从行为经济学的概率权重理论，到神经认知与决策科学的交叉，学界对人类风险决策中“概率扭曲”的解释，正从“偏好描述”转向“机制溯源”。
1979年，Kahneman 与Tversky 提出前景理论，首次用“逆S型概率权重函数”描述人类对小概率的高估、对中间概率的低估，但这一模型仅停留在行为现象的归纳，未回答“扭曲为何产生”的底层问题（Kahneman & Tversky, 1979）。此后数十年，行为经济学的后续研究多围绕权重函数的形状修正展开，却始终缺乏对认知神经机制的关联解释——这一空白，直到“高效编码”理论的跨学科引入才被填补。
高效编码的核心思想源于神经科学，最早由Laughlin（1981）在视觉系统研究中提出：大脑会优先分配认知资源，对预期中更常出现的刺激进行更精准的编码，以实现信息处理的效率最大化。这一原理后续被拓展到决策领域，但直到Cary Frydman 与Lawrence J. Jin 2025年的论文《On the Source and Instability of Probability Weighting》，才首次将其系统应用于概率扭曲的解释（Frydman & Jin, 2025）。
在此之前，行为经济学对概率扭曲的研究存在两个核心局限：一是将扭曲归因于“主观偏好”，忽视了认知能力的客观限制；二是假设权重函数是固定的，无法解释现实中决策者在不同场景下的判断差异，比如金融投资者在牛市与熊市中对风险概率的感知差异，传统前景理论无法给出逻辑自洽的解释。而Frydman与Jin的研究，恰好以“先验信念塑造编码效率”为逻辑，串联起神经机制与行为现象：当决策者的先验中某类概率更常见时，大脑对其编码更精准，对应的概率权重敏感度也会提升。
这篇论文的方法论也呼应了决策科学的演进：早期行为实验多依赖问卷测量，而本次研究采用“先验操纵+确定性等价测量+主观先验量化”的组合方法，既控制了实验变量，又直接获取了决策者的认知状态。这种跨学科的方法细化，也让“神经机制指导决策优化”有了落地基础——比如金融领域针对极端概率的信息强化策略，正是基于“大脑对低频概率编码不足”的机制推导而来。
参考文献
Kahneman, D., & Tversky, A. (1979). Prospect theory: An analysis of decision under risk. Econometrica, 47(2), 263-291.
Frydman, C., & Jin, L. J. (2025). On the source and instability of probability weighting. NBER Working Paper, (31573).