当奖励不可观测时，灵活的社会推断促进有针对性的社会学习

当个体能够从他人的成功中学习时，群体能更有效地协调。但获取此类知识并非总是容易，尤其在成功不公开的真实世界环境中。我们认为社会推断能力有助于弥补这一差距，使个体能根据可观测的行为轨迹更新关于他人潜在知识与成功的信念。我们在三项关于集体感知任务中人类行为的研究里，将社会推断模型与更简单的启发式方法进行比较。实验 1 中，我们发现平均表现随群体规模提升的速率高于非推断模型的预测。实验 2 引入人工智能体以评估个体如何选择性依赖社会信息。实验 3 将这些发现推广至更复杂的奖励景观。综上，我们的发现为个体社会认知与集体行为灵活性之间的关系提供了见解。