目标设定错误时，自上而下引导会系统性地漏看目标外的相关信息
别名: sustained inattentional blindness · search template mismatch · 目标误设 · "what you see is what you set"
概念解释
自上而下的目标引导有一个反面：一旦当前注意定势（attentional set）设定为找某一类特征，凡是不符合这个设定的东西，无论多显眼、多重要，都可能被系统性地漏掉——不是运气不好偶尔漏看一次，而是只要目标设定不变，漏看会一直重复发生。
这和一般的"没留意到"不一样。它的漏看对象不是随机的，而是恰好落在目标设定之外的那一类；而且发生的前提不是分心或不专心，恰恰是全神贯注地在执行一个定义过窄的搜索任务。研究者把这个概括为"看见什么取决于设定什么"（what you see is what you set）。
机制
在自上而下引导下，注意定势不只是"优先看匹配特征"，还会对不匹配特征的信息主动降权——这层降权是搜索效率的来源，同时也是漏看的根源。设定越窄、越精确，匹配目标的东西越容易被找到，但落在设定之外的东西被压得也越低，哪怕它在物理上同样显著、同样处于视野中央。
这和一般因资源被占用而产生的漏看（比如同时做另一件耗费注意的任务）不是同一种机制：那种漏看是"没有余力去处理"，本质是容量竞争；这里的漏看即使观察者有充足的加工能力，也照样发生，因为压低权重的不是资源不足，而是目标模板本身把这类特征归入了"不相关，跳过"。经典证据来自专家搜索者：训练有素的放射科医生在专注寻找结节时，即使影像里放进一个远比结节显眼的异常图形，检出率依然很低——专业能力没有起到保护作用，因为问题不在能力，在设定。
怎么研究
核心范式是在明确的搜索任务中插入一个与目标定义无关但足够显著的意外物体，比较专家与新手、比较不同目标设定宽窄下的检出率。一类做法直接操纵注意定势的内容（比如让被试只数某种颜色的物体经过），检验设定内与设定外的等显著刺激检出率差异；另一类做法用真实专业任务（放射影像判读）验证这个效应在高技能人群里是否依然成立。
常见自变量：目标设定的宽窄与明确程度、意外物体与目标特征的重合度、被试的专业经验水平。 常见因变量：意外物体的检出率、检出所需的呈现时长、是否有对该物体的注视但仍未报告看见（需眼动仪，用来分离"看得见"与"看见了"）。
在界面研究里，这套范式常用来评估清单式检查、定向审核类任务——当用户被要求"只检查这几项"时，系统之外的异常会不会被结构性地漏掉。
方法论注意点：这类效应对目标设定的精确措辞很敏感，同一个任务换一种指导语描述目标，检出率可能明显不同，实验结论不能脱离具体设定的措辞直接搬用。
边界
- 只在目标被人为限定时成立。 开放式、无具体目标的自由浏览任务不受此限制，因为此时没有一个明确的模板在主动压低其他信息。
- 专业经验不能消除这个效应，反而可能加深它。 越依赖精确定势提高搜索效率的专家，越容易在定势之外整体失明；这不是能力问题，训练更专注地找目标反而会加重这个后果。
- 意外物体的检出率会随着与目标特征的重合度上升而提升——越接近目标模板的特征，越不容易被完全压低，这也是为什么效应大小因任务而异。
- 这条讲的是目标模板主动降权造成的漏看，与因注意资源被另一项任务占用而产生的漏看是两种不同的成因，即使表现都是"没看见"，改善的办法也不同：前者要改的是任务设定本身，后者要改的是资源分配。
怎么落地
- 给出定向检查任务时，明确承认它有结构性盲区，不要把"已完成清单检查"等同于"已排除所有异常"。清单之外的问题需要另一道独立的检查方式覆盖，不能指望执行清单的人顺带发现。
- 对开放性、覆盖面要求高的检测场景（异常监控、内容审核），避免用单一狭窄任务设定贯穿全程，可以采用轮换任务目标、定期切换到"自由查找"模式，或叠加一层不依赖人工设定目标的自动检测。
- 不要用"找更有经验的人来做定向检查"作为提高覆盖率的手段——经验丰富的人在设定内的检出率更高，但对设定外的意外情况未必更敏感，甚至可能更不敏感。
- 验证办法：在定向检查任务的样本里悄悄插入一个不属于检查清单、但足够显著的异常项，统计检出率；检出率远低于该异常项本身的显著程度，说明当前任务设定存在结构性盲区，需要额外机制兜底。