学术背景 在人类社交互动中，目光（gaze）是传递信息的重要方式之一。研究表明，人类的目光能够影响他人的注意力、认知，甚至偏好。例如，当一个人注视某个物体时，观察者会倾向于认为该物体对注视者具有吸引力，进而影响观察者自身的偏好形成。然而，随着机器人技术的快速发展，机器人也逐渐具备了类似人类的目光行为。那么，机器人的目光是否能够像人类目光一样影响他人的偏好？这一问题不仅涉及人类对机器人行为的认知，还关系到未来人机互动（human-robot interaction, HRI）的设计与优化。 此外，心智理论（Theory of Mind, ToM）是理解他人心理状态的核心能力，包括推断他人的意图、信念和情感。ToM在人类社交互动中扮演着重要角色，但其在机器人目光效应中的作用尚未被充分研究。因此，...

深度学习模型揭示语义饱和机制 语义饱和（semantic satiation），即一个词或短语在被重复很多次后失去意义这一现象，是一种众所周知的心理学现象。然而，导致这一机制的微观神经计算原理仍然未知。本文使用连续耦合神经网络（continuous coupled neural network, CCNN）建立深度学习模型，研究语义饱和的机制，并用神经元成分精确描述这一过程。研究结果表明，从介观角度来看，语义饱和可能是一个自下而上的过程，与现有的宏观心理学研究认为语义饱和是一个自上而下的过程不同，本文的模拟采用与经典心理学实验类似的实验范式，观察到相似的结果。语义目标的饱和类似于本文网络模型用于物体识别的学习过程，依赖于对象的连续学习和切换，神经耦合的增强或削弱影响饱和。综上，神经和网络机制...