最能理解主動推論的方法之一，是建立能感知、推斷、選擇行動的最小模型，再用相同任務與相近複雜度的強化學習模型比較。從簡單的三臂賭博機任務開始，記錄模型如何處理探索、利用、偏好與不確定性，並檢查是否能預測新資料。 思與行 先重現公開教學中的任務與程式，再逐步改變環境噪音或回饋。 將擬合表現、泛化能力、參數可解釋性及外部效度分開評估。 參考 主動推論可透過逐步模型比較連結實驗資料 2026年台美研究比較主動推論與強化學習模型 強化學習與主動推論比較應看不同場景的增益