Chou、Hakimi、Hsu 與 Smith 於 2026 年在《Journal of Mathematical Psychology》比較主動推論與強化學習模型如何解釋不確定情境下的選擇。研究使用台灣與美國兩組受試者的三臂賭博機任務資料，將兩類模型以複雜度相近的方式擬合。貝葉斯模型比較在兩個樣本中偏向主動推論，但兩類模型預測選擇的準確度相近；強化學習較能解釋部分持續利用選項的行為，主動推論則較能解釋部分探索切換。外部效度檢驗並未一致支持任一模型。這是很重要的實證比較，也直接提醒讀者不要把「模型比較勝出」誇大成「整體行為解釋全面勝出」。
思與行
- 追蹤論文提供的開放工具與模型程式，重現模型比較流程。
- 將模型表現拆成預測準確度、模型證據、可解釋參數與外部效度，不只看單一指標。