在逐渐变化的环境中，近期的过去是对现在的最佳预测。生物体通过将其下一个行为偏向于刚刚成功的行动来利用这种连续性，从而获得明确的适应优势。

在一朵花上找到花蜜的蜜蜂会正确地将其下一次着陆偏向邻近的花朵；一只动物在多个时间间隔内听到来自一侧的微弱沙沙声，会逐渐在其后续决策中越来越倾向于避开那一侧；而一名司机在左侧车道遇到几个坑洼后，即使道路变得平坦，也开始倾向于右侧车道。这种近期经验对感知和选择的系统性拉动—序列依赖或历史偏差—稳定了行为，平滑了噪声输入，并利用了世界结构的元素，如聚集的资源或反复出现的威胁。

序列依赖在物种和认知领域中是普遍存在的：感知和决策受到近期刺激、运动输出和奖励的加权平均值的引导。其神经相关物遍布整个神经轴：从早期感觉回路（如外侧膝状体和初级视觉皮层）到联合区域（如后顶叶和前额叶皮层）。然而，尽管这些广泛的研究已经成功地确定了过去信息在何处被编码，但它们尚未揭示这些信息是如何被选择性维持、更新并转化为行为偏差的。

一个分层的丘脑-脑干网络通过一个吸引子-积分器机制实现了系列依赖（图源自Nature）

该研究通过使用在执行记忆引导躲避行为的斑马鱼中进行全脑、细胞分辨率成像，鉴定了一个维持过去信息并使未来选择产生偏差的层级回路。背侧丘脑中的离散吸引子编码了最近障碍物的位置，通过持续10-20秒的持久活动维持分类记忆。背侧丘脑的光遗传学操作消除或强加了序列偏差。一个下游的后脑整合器接收来自丘脑的输入，并将其与当前感觉线索结合，产生反映多试验历史的分级响应。

利用斑马鱼的综合脑图谱，构建了一个全脑计算模型，该模型不仅重现了行为，还预测了异质性抑制亚型在实现灵活状态转换中的关键作用。这种吸引子-整合器架构揭示了一种层级化和模块化的计算，将稳健的记忆保留与灵活的感觉整合统一起来，为历史偏差决策提供了一个通用原则。

参考消息：https://www.nature.com/articles/s41586-026-10623-3