高维神经状态空间中的社会印象动态轨迹模型：超越固定维度的认知机制

【编辑推荐】传统低维模型（如信任度-支配力二维框架）难以解释社会印象的跨文化/个体差异。来自XX的研究团队提出高维神经网络框架，将面部印象视为由视觉特征、概念关联(visuo-semantic)及高阶社会认知共同塑造的动态轨迹(attractor dynamics)，揭示了维度涌现机制，为社交感知的灵活性提供全新解释。

　　

人类通过面部等视觉线索形成社会印象，传统理论认为这源于有限的固定维度（如信任度trustworthiness和支配力dominance）。新研究挑战了这一观点，提出这些维度实则是高维神经状态空间(high-dimensional neural-state space)中适应性视语义加工(visuo-semantic processes)的涌现特征。

基于吸引子神经网络模型(attractor neural-network models)，该框架将社会印象描述为随时间稳定的动态轨迹(dynamic trajectories)，其形成不仅受视觉线索驱动，还涉及概念联想和高级社会认知的协同作用。与低维模型不同，这种高维架构能兼容文化背景、个体差异和情境因素对印象的调控。

研究亮点指出：1）标准低维模型无法解释不同目标、观察者及方法间的变异；2）高维神经模式由面部特征、概念映射和社会认知过程共同塑造；3）不存在普适的低维解，维度是动态涌现的神经模式(emergent patterns)。该框架预测了社会感知的流体特性，为理解社交判断的复杂性开辟了新途径。