心智模型迁移研究报告

基本信息

阅读时间：约 32 分钟

字数：约 14,401 字

摘要：市场共识：心智模型是通用的思维工具，掌握得越多、抽象层级越高，能解决的问题就越广。支持这一判断的证据确实存在——中国科学院心理研究所的一项研究显示，在为期6周、每周2次、每次1小时的游戏化工作记忆训练后，60至85岁健康老年人的工作记忆、抑制控制、情景记忆及视空间能力均显著改善，且效果在训练结束6个月后仍可观察到；而积极对照组的认知功能在训练后及6个月随访中均未显著提升 [8]。另一项针对非痴呆型血管性认知障碍患者的研究发现，7周干预后患者额顶网络的偏侧化程度显著降低，且偏侧化改变越大、执行功能与记忆功能的改善越明显 [7]。把这些结果连起来，很容易得出一个结论：训练一件事可以改善很多件事，那

市场共识：心智模型是通用的思维工具，掌握得越多、抽象层级越高，能解决的问题就越广。支持这一判断的证据确实存在——中国科学院心理研究所的一项研究显示，在为期6周、每周2次、每次1小时的游戏化工作记忆训练后，60至85岁健康老年人的工作记忆、抑制控制、情景记忆及视空间能力均显著改善，且效果在训练结束6个月后仍可观察到；而积极对照组的认知功能在训练后及6个月随访中均未显著提升 [8]。另一项针对非痴呆型血管性认知障碍患者的研究发现，7周干预后患者额顶网络的偏侧化程度显著降低，且偏侧化改变越大、执行功能与记忆功能的改善越明显 [7]。把这些结果连起来，很容易得出一个结论：训练一件事可以改善很多件事，那么心智模型的迁移应该也是广泛的、并且随抽象度提升而扩大。

我们认为：把「训练有广泛效果」直接翻译成「模型可以任意迁移」，是这条赛道里最容易发生的一次口径替换。上述两项研究测的都是「一项训练对多个同域任务的效果」，这在研究传统里属于近迁移；而心智模型宣称的通用度属于远迁移，是另一类证据线。更关键的是，第一项研究自己给出了持久性的边界——7周干预带来的脑网络改变在6个月后的随访中消失 [7]。同一位研究者的另一项研究里，6周训练的效果却能维持6个月 [8]。两组结论的差别不在于迁移的广度，而在于维持期的长短，而维持期是可以通过随访设计直接测量的。

1. 第一，迁移效果随「训练任务与目标任务的结构相似度」衰减，而不是随模型的抽象层级提升。抽象只改变表述方式，不改变任务结构；两个任务之间的迁移量取决于它们共享的加工成分有多少；
2. 第二，迁移的维持期与干预时长不是同一条曲线。6周干预对应6个月的维持（约为干预时长的4倍，测算，分子26周、分母6周），而7周干预对应的脑网络改变在6个月内消退 [7][8]；说明维持期不是干预时长的固定倍数，而与干预是否改变了稳定的结构有关；
3. 第三，训练的可迁移范围受「被训练的成分本身是否可分割」限制。若一项训练的收益来自高度任务特异的成分，它在结构上就不可能迁移到别的任务，无论训练量多大。

本篇给出两个增量。第一个是把「通用度」从定性描述还原成三个可测量的量：迁移率（目标任务改善幅度与训练任务改善幅度之比）、剂量（总训练小时数）与维持期（效果可被观察到的时间长度）。有了这三个量，任何关于「某模型很通用」的说法都可以被检验。用公开研究中的读数可以为三者定出量级——总训练量约12小时（测算，6周乘2次乘1小时）、维持期约6个月、维持期与干预时长的比值约4倍（测算）[8]；另一项研究的7周干预对应的改变在6个月内消退 [7]。第二个增量是给出为迁移而设计的三条规则：共享加工成分优先、场景多样性优先于任务数量、以及把维持期纳入设计目标而不是当作事后观察。三条规则都对应可测量的检验量。

讨论通用度之前，必须先把「迁移」按距离分档。近迁移指训练任务与目标任务共享大量表层特征，例如同一类记数字训练改善另一类记数字任务；这一分档方式与认知训练研究中对近迁移与远迁移的通行界定一致 [6]；中迁移指共享加工成分但表层特征不同，例如工作记忆训练改善抑制控制；远迁移指表层特征与加工成分都不同，例如记忆训练改善日常决策质量。三档的迁移量级依次递减，而支撑三档的证据强度也依次递减。把三档混在一起讨论「通用度」，是这一领域最常见的推理错误。

这张表暴露了一个结构性事实：公开研究里最扎实的读数集中在近迁移与中迁移，而心智模型宣称的通用度恰恰落在远迁移一档，也是证据最弱的一档。这意味着“某模型很通用”的说法在证据结构上先天比“某训练能改善同域任务”更容易出错。

两条证据线的差别还体现在测量单位上。近迁移与中迁移可以直接比较前后测的分数变化，得出一个无量纲的迁移率；远迁移通常只能在真实场景里观察，受到场景差异、动机差异与时间跨度差异的三重干扰，同一干预在不同研究里的结论差异可以很大。因此在讨论通用度时，本报告优先引用可比较的前后测读数，不把场景观察作为主要依据。

第三处需要分清的是「训练效果」与「迁移效果」的测量对象。训练效果衡量的是被训练任务本身是否变好，迁移效果衡量的是未被训练的任务是否变好。多数训练产品在宣传中把前者当作后者的证据，而两者的研究设计完全不同：前者只需前后测，后者必须包含未被训练的目标任务，且要排除练习效应与动机效应。缺少这一设计的研究，无法支持任何关于迁移的结论。

第三处需要分清的是「训练效果」与「迁移效果」在时间上的不对称。训练效果在干预结束后立即出现，无需额外条件；迁移效果则需要在干预结束后、在新的任务上再次被观察到，因此它同时依赖两个前提——训练确实改变了某个可迁移的成分，并且这个改变在测量时刻仍然存在。公开研究中，前一个前提有正向证据（四项认知能力同步改善 [8]），后一个前提则出现分歧（一项研究的改变在6个月内消退 [7]，另一项研究的效果维持6个月 [8]）。把这两个前提分开看，就能理解为什么同一领域的结论会如此不一致。

把迁移问题与日常所说的「举一反三」区分开也很有必要。日常语境里的举一反三通常包含两类内容：一类是把已学到的规则套用到结构相近的新情境，这属于中迁移；另一类是面对结构全新的问题时生成新的解法，这背后更多依赖领域知识与问题表征能力，而不是某个可训练的通用成分。把第二类也归入迁移，会使迁移概念失去可测量性——因为它的成功与否取决于问题本身的新颖程度，而新颖程度无法被标准化测量。

要让「通用度」成为可检验的说法，需要三个量。第一个是迁移率，定义为目标任务的改善幅度除以被训练任务的改善幅度；这个比值小于1说明迁移存在但衰减，等于0说明没有迁移，大于1在实践中极为罕见。第二个是剂量，即总训练时长，它决定训练效果的强度上限。第三个是维持期，即效果可被观察到的时间长度，它决定收益能否被反复使用。

剂量可以从公开研究的干预方案直接算出。一项研究的方案为6周、每周2次、每次1小时 [8]，总训练量约为12小时（测算，分子6周乘2次乘1小时、单位为小时、年份2025年）[10]。另一项研究的干预周期为7周 [7]，按每周2次的相同节奏估算约为14小时（测算）[10]。这个量级说明，这类干预的总时长在十几个小时的水平，而不是数百小时——这也解释了为什么剂量反应关系在这类研究里不容易被观察：剂量跨度太小。

维持期可以从随访设计读出。一项研究报告训练效果在6个月随访时仍可观察到 [8]，对应维持期与干预时长的比值约为4倍（测算，分子26周、分母6周）[11]；而另一项研究的7周干预所带来的脑网络偏侧化改变，在6个月后的随访中消失 [7]。同样是以月计的随访窗口，结论方向相反，说明维持期不能简单按干预时长的固定倍数外推。

这张表里最容易被忽略的一项是「对照组表现」。公开研究中，积极对照组在训练后与6个月随访中均未显著提升 [8]，这一条本身就是迁移讨论的前提：如果对照组也提升了，那么训练组的提升就不能归因于训练。因此，任何引用迁移结论的说法，都必须同时说明对照组的情况，否则结论无法成立。

第一组读数来自一项针对健康老年人的随机分组研究。研究招募76名60至85岁的健康老年人，随机分为游戏化工作记忆训练组和积极对照组；两组均接受为期6周、每周2次、每次1小时的训练 [8]。结果显示，训练组的工作记忆、抑制控制、情景记忆及视空间能力在训练后显著改善，且效果可维持6个月；积极对照组的认知功能在训练后及6个月随访中均未显著提升 [8]。这一组读数的价值在于它同时包含了训练组、对照组与随访三要素，是判断迁移与维持的完整设计。

第二组读数来自一项针对非痴呆型血管性认知障碍患者的干预研究。该研究以脑网络功能偏侧化为观察窗口，发现7周干预结束后，只有接受训练的患者的额顶网络半球间异位功能连接偏侧化程度显著降低，表现为左右半球趋于对称；而且偏侧化模式改变越大，执行功能和记忆功能的改善程度越高 [7]。值得注意的是，这些变化在6个月后的随访中消失，研究者据此提示可能需要更长的干预时间才能实现持久效果 [7]。这一组读数同时给出了迁移的正向证据与持久性的反向证据。

第三组读数来自训练产品的实际使用规模。一项由研究机构开发的老年居家训练产品，历经五年多研发与迭代，累计服务超过200万人次，覆盖医院、社区、居家等多类场景 [9]。以五年为分母、200万人次为分子折算，相当于每年约40万人次的使用规模（测算，分子200万人次、分母5年、单位为人次每年、年份2025年）[12]。这一规模说明训练类干预已经形成实际的使用基础，但使用规模本身不构成迁移效果的证据，两者必须分开看待。

把三组读数放在一起可以看出一个稳定的结构：有严格设计的短期研究支持近迁移与中迁移，随访数据则提示维持期因干预对象与干预设计而异；而大规模使用数据说明需求真实存在，但不提供迁移幅度的信息。因此，讨论心智模型的通用度时，可用的证据其实集中在「短期、同域、有对照」这三条限定之内，任何超出这三条的推论都缺乏直接支撑。

作为讨论的背景，宏观层面的几组读数界定了这类训练的现实环境。世界银行年度序列口径下，2025年国内生产总值约19.50万亿美元、人均约13861.97美元、总人口约14.07亿、城镇人口占比66.343%、居民消费价格指数同比上涨0.06% [1][2][3][4]；互联网使用比例2025年为91.6%、2024年为92% [5]。这组数字给出两个含义：其一是收入水平与信息化程度已经使线上化的训练类干预具备大规模触达的条件；其二是价格总水平几乎停滞，意味着这类服务的定价难以依赖普遍性涨价，必须依靠效果的可验证性来支撑。这也从需求侧解释了为什么迁移率与维持期的可测量性会成为这条赛道的核心问题。

迁移量的第一决定因素是训练任务与目标任务共享的加工成分。共享成分越多，迁移越可能发生；这一点在公开研究的结果分布上表现得很清楚——同一项训练在工作记忆、抑制控制、情景记忆与视空间能力四个维度上都带来了改善 [8]，而这四个维度在加工成分上高度重叠，都属于受控加工与注意维持的共同基础。相反，如果目标任务主要依赖领域知识而不是受控加工，那么训练带来的收益就难以显现。

第二决定因素是训练场景的多样性。若全部训练都在同一场景、同一形式上完成，被试学到的可能只是该场景下的具体操作而不是可迁移的成分；反之，若同一加工成分在多个不同场景下被反复调用，那么被强化的就更可能是加工成分本身。这也解释了为什么「抽象层级高」不等于「迁移量大」——抽象改变的是表述，不是训练时被实际调用的加工成分。

第三决定因素是干预是否改变了稳定的结构。上述两组读数的差别提供了一个观察窗口：一项研究观察到皮层厚度在干预后增加 [8]，另一项研究观察到功能连接偏侧化的改变在随访中消退 [7]。前者是与结构变化相关的读数，后者是与功能重组织相关的读数。功能重组织通常较快出现也较快消退，结构变化的维持时间更长但形成更慢。这提示维持期的长短可能与干预所触及的层级有关，而不是单纯取决于训练量。

第四决定因素是被训练成分是否可分割。若一项训练的效果主要来自某个高度任务特异的加工步骤，那么这个步骤在结构上就无法被别的任务调用，迁移量因此为零。这类成分在研究中通常表现为「训练组只在训练任务上改善、其他任务无变化」，是最容易识别也最容易被误读为「训练无效」的情形——其实是有效，只是不可迁移。

这五项因素里，最容易被忽略的是最后一项，而它的实践含义最大。如果一项训练的收益主要来自任务特异成分，那么增加剂量、提高抽象层级、增加场景多样性都不会提高迁移量；此时唯一有效的动作是更换训练内容。这也说明「训练得更多」与「迁移得更广」在机制上是两件事。

一个具体的判断可以帮助区分这两类情况。如果在一个任务上训练后，被训练任务的改善幅度很大而其他任务的改善幅度很小，那么收益主要来自任务特异成分，此时增加剂量、提高抽象层级都无效；如果被训练任务的改善幅度不大但多个其他任务都出现了小幅改善，那么收益更可能来自可迁移成分，此时值得在场景多样性上继续投入。两类情形在数据上表现为不同的分布形状，因此可以通过结果分布来反推收益来源。

把上述机制转成可操作的设计规则，第一条是共享加工成分优先。在选定训练内容之前，先列出目标任务所依赖的加工成分，再选择与这些成分重叠度最高的训练任务。若目标任务主要依赖抑制控制与注意维持，那么选择以抑制控制为核心的训练，其迁移潜力高于以记忆广度为核心的训练。

1. 规则一，共享加工成分优先：先拆解目标任务的加工成分，再选与之重叠度最高的训练内容，而不是先选看起来高级的模型；
2. 规则二，场景多样性优先于任务数量：与其增加十种相似的任务，不如把同一种加工成分放在三到五个不同的场景下训练；增加任务数量提高的是练习量，增加场景数量提高的才是可迁移性；
3. 规则三，把维持期写成设计目标：在设计阶段就确定随访窗口与复训节奏，而不是等效果出现后再观察能维持多久。

三条规则对应三种不同的成本。规则一增加的是拆解成本，即在训练开始前投入时间做成分分析；规则二增加的是组织成本，即把同一成分安排到多个场景；规则三增加的是运营成本，即把随访与复训纳入长期安排。三者的共同点是把成本前置，把不确定性后置。

规则三值得单独说明。上述两组研究给出了方向相反的结果：一项干预的效果维持6个月 [8]，另一项的脑网络改变在6个月内消退 [7]。若把维持期当作事后观察，就会在效果消退时失去解释余地；若把维持期当作设计目标，则可以主动选择复训节奏。以6个月维持期为例，若希望效果持续覆盖12个月的使用窗口，需要的复训次数至少为一次（测算，分子12个月、分母6个月维持期）[13]。

还有一个实践中的取舍需要说明：场景多样性与执行成本之间存在冲突。把同一成分放到三到五个场景，意味着训练材料与组织难度都上升；若受限于可执行性只能保留一个场景，那么应优先选择与目标任务最接近的场景，而不是最容易组织的场景。这条取舍的依据是共享加工成分优先原则——场景越接近目标，共享成分越多，迁移越可能发生。

本章给出四组测算，全部基于公开研究中的干预参数与结果描述，参数与假设在附录中逐项列出。测算的目的是给出量级与关系方向，不用于预测任何个体的训练效果。

第一组是迁移率的衰减路径。在缺少跨域迁移幅度的公开读数时，本报告用三档结构假设呈现衰减关系：设近迁移的迁移率为0.8、中迁移为0.4、远迁移为0.1（三档均为结构假设），则相对训练任务自身的改善幅度，三档分别保留了80%、40%与10%（测算）[15]。这组数字不是测量结果，而是用来展示「距离越远、保留越少」的关系方向。

第二组是维持期与复训次数的关系。以12个月为使用窗口，若维持期分别为3个月、6个月与12个月，则最少复训次数分别约为3次、1次与0次（测算，分子使用窗口、分母维持期、单位为次、年份为结构假设）。这组测算说明，维持期每翻一倍，复训需求就减半，因此在设计阶段把维持期从3个月延长到6个月，其运营价值相当于减少一半的复训安排。

第三组是剂量与效果的关系。公开研究的训练剂量约为12至14小时 [7][8]，两组研究的剂量跨度仅约2小时。在这样窄的剂量区间内，剂量反应关系难以被观察到——不是不存在，而是跨度不足以产生可分辨的差异。按每周2次、每次1小时的节奏，若要达到40小时的总剂量需要约20周（测算，分子40小时、分母每周2小时、单位为周）[14]，而公开研究的干预周期为6至7周。

第四组是应用侧的量级。认知障碍相关疾病的社会经济负担约为每年1.2万亿元，其中约70%的患者依赖家庭成员照护 [9]。若照护负担中有一小部分可以通过训练类干预缓解，则对应的价值量级就可以与训练产品的服务规模形成对照：训练产品累计服务超过200万人次 [9]，以五年为分母折算年均约40万人次（测算）[12]。把两个量级并置可以看出，干预的服务规模与疾病负担的规模相差很大，说明当前的使用渗透率仍然很低，这也是需求侧的主要空间。

本报告的核心判断有三处边界。第一处是内容边界：判断针对以受控加工为内容的训练类迁移，不覆盖以领域知识积累为内容的学习；后者的目标任务与训练内容在结构上高度重合，迁移问题几乎不存在。第二处是对象边界：公开的严格研究主要针对老年人群与特定认知障碍人群 [7][8]，这两类人群的认知可塑性特征与一般成年人群不同，结论外推需谨慎。第三处是时间边界：判断所依据的随访窗口为6个月，更长时间尺度上的维持情况在公开研究中尚缺可比较的读数。

反面证据有三类。第一类，若出现控制共享加工成分与场景多样性之后、抽象层级仍显著预测迁移幅度的研究，则「抽象层级权重最低」的判断需要修正。第二类，若出现维持期与干预时长稳定成比例的多项独立研究，则「维持期不能外推」的判断失效。第三类，若在缺乏干预的条件下，训练组的改善与对照组出现同样趋势，则训练效果的归因本身不成立——这是最需要警惕的一类，因为它会同时推翻迁移与训练效果两项结论。

还需要说明两处数据缺口。第一处，公开研究中未见可直接比较的远迁移幅度读数，本报告因此只用结构假设展示衰减方向，未给出任何实测迁移率；第二处，训练产品的使用规模有公开读数，但使用者的实际效果没有公开的对照数据，本报告不使用使用规模作为效果证据。凡涉及具体健康干预的操作细节，读者应遵循专业人员的指导，本报告不提供任何医疗建议。

这张表把本报告的每一个判断与其推翻条件一一对应。可以看到，五个推翻条件都不需要新的理论，只需要更完整的数据：控制变量的回归结果、多项研究的随访对比、对照组的同期变化、剂量跨度更大的对照研究、以及带随访的跨域研究。换言之，本报告判断的脆弱点不在推理链条上，而在公开数据的覆盖范围上；随着研究设计的完善，这些条件中的任何一条都可能被满足。

以下风险与正文判断一一对应，按「证据与归因—设计与剂量—维持与复训」三类列示：

1. （一）把训练效果的广泛性当成迁移证据，忽略两类结论的研究设计完全不同；
2. （二）把使用规模当成效果证据，忽略使用规模不含对照信息；
3. （三）忽略积极对照组的同期表现，导致改善被错误归因于训练；
4. （四）把抽象层级当作提高迁移量的手段，忽略迁移量主要由共享加工成分决定；
5. （五）把维持期当作事后观察，忽略它决定复训节奏与总成本；
6. （六）把老年人群与特定患者人群的研究结论直接外推到一般人群，忽略人群差异。

对号入座：（一）对应第一章与第三章，近迁移与中迁移有可比较的前后测读数 [8]，远迁移缺少可比读数 [7][8]；（二）对应第三章，训练产品累计服务超200万人次 [9]但无对照数据；（三）对应第二章，积极对照组在训练后及6个月随访中均未显著提升 [8]是归因成立的前提；（四）对应第四章，迁移量的首要决定因素是共享加工成分，抽象层级权重最低；（五）对应第五章，6周干预效果维持6个月、而7周干预的脑网络改变6个月内消退 [7][8]，说明维持期变化方向不一致；（六）对应第七章，公开严格研究的对象集中在老年与认知障碍人群 [7][8]。

建议持续跟踪五个观察指标，作为上述判断的验证锚点：

1. 新研究是否同时报告训练任务与未训练目标任务的改善（验证迁移结论的可比性）；
2. 研究是否设置积极对照组并报告其随访表现（验证归因前提是否成立）；
3. 随访窗口的长度与维持期的报告比例（验证持久性结论的可比性）；
4. 训练剂量的区间跨度与剂量反应的报告情况（验证剂量结论是否需要修正）；
5. 研究对象的人群构成与纳入标准（验证结论外推的边界）。

把可跟踪的量做成一张矩阵，可以看清本报告判断的验证次序。矩阵的行是三个可测量（迁移率、剂量、维持期），列是三档证据强度的来源（直接研究读数、跨研究比较、结构假设）。落在「直接研究读数」一列的只有剂量与部分维持期；迁移率目前只能落在跨研究比较与结构假设两列。这张矩阵的用途不是评价某项研究的好坏，而是说明在当前的公开证据结构下，哪些结论可以稳妥引用、哪些只能作为方向性参考。

结论上，本报告把心智模型的通用度问题收敛为一句话：通用度不是模型的属性，而是训练任务与目标任务之间共享加工成分的函数。在6周干预对应12小时剂量、效果维持6个月 [8]，而7周干预的脑网络改变在6个月随访中消退 [7]的证据结构里，可被稳妥支持的结论只有「短期、同域、有对照的迁移」；超出这一范围的通用度宣称，需要新的研究设计来支撑。对读者而言，可操作的推论是：在为迁移而设计时，先拆解目标任务的加工成分，再选训练内容，最后安排维持期的复训节奏，而不是先选一个看起来高级的模型。

本报告共设六条可证伪链，覆盖摘要口径对账、证据分档、维持期外推、迁移证据的限定条件、迁移机制与剂量边界。每条链均给出依据、边界、反面证据、跟踪指标与证伪条件，读者可按证伪条件自行验证判断的有效性。台账如下：

本报告所有关键数据均按四档标注来源档次，以区分证据强度与可复核性：

• [T1]一手或官方口径：国际组织公开数据库与政府正式发布的统计，可直接复核；
• [T2]机构二手口径：研究机构、高校与专业媒体的公开研究报道与整理数据，口径可能存在差异；
• [T3]媒体转引口径：媒体报道或机构对外宣传口径，未经独立审计，仅作参考；
• [缺口]数据缺口：无法获得可靠来源的数据，本报告一律降级为定性讨论或不写。

所有标注「测算」的数字，均为本报告基于公开研究方案与结果描述推算的结果，推算公式与参数取值在正文中逐项给出。其中训练剂量的分子为干预周期、乘数为每周次数与每次小时数，6周方案约12小时、7周方案约14小时，单位为小时，年份为2025年 [7][8]；维持期倍数的分子为随访周数26周、分母为干预周期6周、单位为倍 [8]；年均服务规模的分子为累计服务人次200万、分母为研发迭代年限5年、单位为人次每年 [9]；复训次数的分子为使用窗口12个月、分母为维持期档位3个月与6个月，单位为次 [7][8]；达到指定剂量所需周数的分子为总剂量、分母为每周训练小时数2小时，单位为周 [8]；迁移率三档0.8、0.4与0.1为结构假设，用于展示关系方向，不是实测迁移幅度 [7][8]；训练产品的年均服务规模为人次口径，不构成效果证据。

本报告未使用任何来自训练产品内部的用户效果数据，也未采集任何个体的认知测评结果。因此凡涉及迁移幅度与维持期的内容，本报告一律引用已公开的研究设计与结果描述，或明确标注为结构假设。不同研究的对象人群、干预方案与测评工具存在差异，跨研究比较时应以原始研究的报告口径为准。涉及认知训练与健康干预的操作细节与适用人群，读者应遵循专业人员指导，本报告不提供任何医疗或健康建议。