无需显式推断他人奖励值即可进行社交比较：一种概率生成模型的构造性方法
人工智能
2026-03-24 v4
摘要
社交比较（即相对于他人的奖励进行评估）是嫉妒等社交情感的基本特征，在灵长类动物的社交认知中发挥着基本作用。然而，如何关于他人奖励的信息影响自身的奖励定价仍不为人所知。本研究检验了猴子是否仅识别奖励的客观差异，抑或推断他人的主观奖励定价。为此，我们采用一种构造性方法——即复制目标情感的人工系统并从中提取知识的方法——其潜在在模拟猴子如何与社交情境互动方面具有潜力。具体而言，我们开发了三个不同程度的社交信息处理模型：内部预测模型（IPM），它推断合作伙伴的主观价值；无比较模型（NCM），它忽略合作伙伴信息；外部比较模型（ECM），它直接包含合作伙伴的客观奖励。我们在包含猴子行为、奖励以及条件刺激的数据集上训练这些模型，然后评估它们在预定义实验条件下的主观价值分类能力。实验结果表明，ECM 实现了最佳的分类结果（ECM 的 Rand 指数为 0.88，而 IPM 为 0.85），这表明在我们的建模框架中，社交比较依赖于奖励的客观差异，而非对主观奖励价值的推断。
引用
@article{arxiv.2512.18687,
title = {Social Comparison without Explicit Inference of Others' Reward Values: A Constructive Approach Using a Probabilistic Generative Model},
author = {Yosuke Taniuchi and Chie Hieida and Atsushi Noritake and Kazushi Ikeda and Masaki Isoda},
journal= {arXiv preprint arXiv:2512.18687},
year = {2026}
}
备注
This work has been submitted to the IEEE for possible publication