瑞斯科拉–瓦格纳模型：学习即预测误差（Rescorla & Wagner）

ΔV = α · β · (λ − ΣV)

• ΔV = 本次试验中联结强度的变化 · α, β = 线索与结果各自的显著性/学习率 · λ = 该结果所能支撑的最大联结强度（实际发生的结果）· ΣV = 当前所有线索已经预测出的总量。其中 (λ − ΣV) 就是预测误差——即惊讶程度。

差值形式意味着：你只从你没预料到的地方学到东西。 当结果被完全预测到时（ΣV = λ），误差为零，什么也学不到——由此得到那个著名的推论：一件事无论多重要，只要它被完全预期到，就不会带来任何更新（阻断效应）。惊讶是学习的全部货币。

迁移。 这是"刺激 = 偏离基线 = 预测误差"（two-pleasures-arousal-and-closure）以及 von-restorff-effect / 新奇性的学术根源。一条只是印证受众已有预期（中位数看法）的信息，产生的 ΔV ≈ 0——字面意义上的"不值得记住"。这正是 anti-mid 用学习法则的方式重新表述：一件作品要想被编码进记忆，就必须携带受众模型尚未预测到的那个项。

同类：illustrative-formulas · anti-mid · von-restorff-effect · berlyne-arousal-curve · two-pleasures-arousal-and-closure。

来源：Robert Rescorla & Allan Wagner, 'A Theory of Pavlovian Conditioning: Variations in the Effectiveness of Reinforcement and Nonreinforcement,' in Classical Conditioning II (1972) —— 预测误差学习法则