Hodson、Mehta 與 Smith 回顧預測編碼及主動推論的實證狀態。作者認為，現有主動推論研究常能以模型說明個體或群體的行為差異，但較少直接檢驗主動推論理論本身是否比非貝葉斯模型、無模型強化學習等競爭解釋更好。這意味著「模型可以擬合資料」與「理論的核心機制獲得支持」是兩件不同的事。這篇回顧是書庫中校準證據強度的重要基準。
思與行
- 每次看到主動推論案例，都追問是否比較過模型自由度相近的競爭模型。
- 建立研究表格，分開記錄擬合證據、參數恢復、預測驗證與神經機制驗證。
參考
- Hodson, R., Mehta, M., & Smith, R. (2024). The empirical status of predictive coding and active inference. Neuroscience & Biobehavioral Reviews, 157, 105473. 期刊頁面 · DOI
- 延伸：模型配適不等於理論已獲證明、主動推論模型必須與競爭模型比較、證據強度應與主張範圍相稱