奖励预测偏差（Reward Prediction Error，简称RPE）是指大脑在某一时刻对即将到来的奖赏进行预估时，实际获得的奖赏与预期之间的差额，这一差额会触发多巴胺信号的快速波动，从而调节学习与决策过程。
神经科学的核心发现
1997 年，神经生理学家 Schultz 在灵长类动物的中脑多巴胺细胞中记录到，当奖励出现超出预期时，细胞放电显著上升；若奖励低于预期，则放电抑制。这一实验奠定了 RPE 作为强化学习信号的生理基础。
行为层面的显现
在赌博机前，玩家往往会在“差一点就中”的瞬间感到心跳加速，这正是大脑对正向预测误差的即时响应。相反，连续的空转会导致多巴胺水平下降，玩家的兴趣随之衰减。实验数据显示，短暂的正向偏差足以提升后续行为的选择概率，说明 RPE 不仅是奖赏的反馈，更是动机的驱动。
跨领域的应用
- 强化学习算法：Q‑learning 与深度 Q‑网络（DQN）直接把 RPE 作为误差项，用于更新价值函数。
- 营销策划：限时优惠、盲盒抽奖等手段制造“意外奖励”，利用 RPE 提升用户黏性。
- 临床干预：抑郁症患者常表现为对正向奖励的预测误差反应迟钝，针对性药物或行为疗法可通过增强正向 RPE 来改善症状。
理解奖励预测偏差的运作机制，等于打开了一把解释“为何我们会为未实现的期待而焦虑、为突如其来的惊喜而欣喜”的钥匙。无论是神经科学实验室的电极记录，还是日常生活中手机推送的闪光提示，都在悄然演绎着同一套信号更新的剧本。
