隔间与多巴胺：把效价专门化放进模型之后，得到了什么

1. 模型：PAM 簇、PPL1 簇和只抑制的规则#

• 簇： 按 MBON 所在隔间，PAM 簇（γ3、γ4、γ5、β1、β2、β′1、β′2、α1）对应奖励多巴胺，PPL1 簇（γ1、γ2、α′1、α′2、α′3、α2、α3）对应惩罚多巴胺；48 个 MBON 里 20 个属于 PAM，28 个属于 PPL1，1 个（calyx）不学习。
• 读出： PAM 簇的 MBON 驱动回避，PPL1 簇的 MBON 驱动趋近。
• 规则： 多巴胺是预测误差：奖励多巴胺 = max(目标 − 预测, 0)，惩罚多巴胺 = max(预测 − 目标, 0)；活跃 KC 到该簇 MBON 的突触按多巴胺抑制，没有增强和遗忘项。
• 对照： 原规则（双向、全局）；真实簇标签在 MBON 之间随机重排的版本；重排但两个簇的 KC→MBON 突触总量保持在真实值 ±10% 内的版本。

簇划分的数据检验： 用 MaleCNS 里 DAN→MBON 的直接突触，给每个 MBON 重新判定簇（主要的 DAN 输入是 PAM 还是 PPL1），与按隔间标签的划分 48/48 一致，唯一不同的是 calyx 的那个 MBON。这个检验很弱：DAN 的簇来自类型名，一致几乎是定义性的；它不验证“PAM 就是奖励”。

文献怎么说： Aso 等 2014 自己用“generally”之类的词描述这条规则；文献里有例外（PAM 的 MB-M3 和 γ3 在某些条件下驱动厌恶记忆，PPL1-γ2α′1 参与奖励记忆的消退，α′3 与新奇有关）。MBON 的递质与簇的方向一致：PAM 簇 20 个 MBON 里 15 个是抑制性递质，PPL1 簇 28 个里 19 个是乙酰胆碱，但 GABA 能的 MBON 两个簇里都有，所以递质符号不能直接当作读出符号。

2. 时序现象：后向配对反转记忆的符号#

单个气味，多巴胺脉冲在气味之后（前向）或之前（后向）：

• 奖励前向 → 价值为正，奖励后向 → 价值为负；惩罚相反。
• 脉冲与气味相隔 8 秒时效应降到约 3%。
• 消融 PAM 簇的可塑性只废掉奖励学习，消融 PPL1 簇只废掉惩罚学习。
• 去掉后向增强项后，后向配对的效应归零。

三种簇分配（真实、重排、质量平衡重排）都通过，所以这只是规则自洽的检查，不能区分真实结构。文献方面，Handler 等 2019 报告了多巴胺与气味的时序决定记忆符号，但这个符号反转需要显式的时序项，单靠对预测误差的 delta 规则产生不了，这里的规则带有这一项。

3. 样本效率：不优于原规则#

四个学习任务（真实气味 + 随机类别标签、线性教师、两个真实连线教师）里，隔间学习器与原规则相当或略差：真实气味任务 −0.006（等价），线性教师 −0.018，真实连线教师 −0.027 到 −0.065。隔间学习器明显好于簇标签重排的对照，但独立审查指出，重排的对照主要差在学习水平：在刚学完准确率相近的重排里，最终准确率没有差别。

4. 持续学习：边缘的保留优势#

每个世界 40 个气味、随机 ±1 标签，分成 4 个任务依次训练，最后测全部 40 个。

• 隔间规则的最终准确率比原规则高 +0.044，比匹配学习量的原规则高 +0.048；99.3% 区间的下界是 +0.024 和 +0.029，都低于 0.03，只能算边缘。
• 在刚学完准确率相同的几个点上，优势是 +0.028、+0.048、+0.041、+0.004，报告的 +0.048 是最有利的一个。
• 独立重新实现： +0.0395、+0.0425，与原结果相符。

审查的结论：不能说隔间化减少了遗忘。 差别来自规则族：新规则只抑制突触、不增强，旧痕迹不会被覆盖；把所有 MBON 对任何误差都抑制的版本在所有任务上学不会，所以分簇是只抑制规则能工作的前提，两者混在一起。真实划分也不特殊：重排 200 次（质量平衡）里约 7.5% 不低于真实划分，在刚学完准确率接近的重排里，最终准确率没有优势。能说的只是：真实划分属于能学会的那一类。

5. 觅食：窄网格、宽网格与有界更新#

把隔间学习器放进觅食场（200 个全新世界，第 3000 步奖励反转，consistent 与 conflict 两种世界）。

1. 窄网格（学习率上限 0.8）： 隔间学习器的净奖励只有 +4.9 与 +13.4，原规则 +51.9 与 +36.2。三个隔间学习器的最佳学习率都落在网格上界。
2. 放宽网格： consistent 世界里隔间学习器 +53.8，对原规则 +8.6；conflict 世界 −9.3，都只是边缘。
3. 审查发现： 隔间学习器的抑制没有上界，学习率 4.0 时突触值落在 [−6.9, +9.5]，不再是抑制而是变号放大；把抑制截断到 [0, 1] 的对照里，consistent 世界的优势消失（约 8 对 54）。
4. 有界版本重跑： consistent 世界里隔间学习器比原规则低 22.3；conflict 世界 −2.6，无法区分；真实簇划分与重排的划分在两种世界里都无法区分。

结论：觅食里没有证据表明隔间学习器优于原规则。阶段 4 里 comp_real 的学习率都在 0.05 以下，抑制步长不超过 0.1，不受这个问题影响。

6. 局限：假设、规则与任务#

• PAM = 奖励、PPL1 = 惩罚是通行的粗略规则，文献里有例外，也没有行为或活动数据验证。
• 规则只有抑制，没有对侧增强和遗忘项；时序常数是选的，没有拟合。
• 持续学习任务是记忆（随机标签），不是泛化；觅食场是玩具设定，单个世界的奖励噪声大。
• “预测误差由多巴胺编码”强于证据：仅有的两项果蝇阻断实验是阴性的，Zhao 等 2021 只是 28 个数据点的模型拟合。应当写成“误差驱动的更新是一个假设”。

7. 下一篇#

第 10 篇：审查抓到了什么，一份“怎么骗自己”的清单。

文件位置：fly-v4/PREREG_v4_stage4.md、PREREG_v4_stage6b.md 到 PREREG_v4_stage6d.md、NOTES_v4_stage4.md、NOTES_v4_stage6a.md、NOTES_v4_stage6b.md、verification/review_stage4.md、review_stage6.md、verification/replication/COMPARISON_3_4.md、literature/REVIEW.md。