同一物体内的两项属性同时受益于注意，跨物体的两项属性则不然
别名: same-object advantage · two-object cost · 同客体优势
概念解释
如果注意力已经落在一个物体上，这个物体身上不同的属性——比如一张卡片的标题颜色和它的边框形状——会一起被增强处理，几乎不需要额外代价；但如果这两项属性分别属于两个不同的物体，即便它们在屏幕上离得一样近，同时读取这两项属性的速度反而会变慢。这个反差叫同客体优势（same-object advantage），它是客体注意存在的直接证据：决定两项信息能不能被"顺带"一起处理的，不是它们隔多远，而是它们是不是同一个物体的一部分。
机制
注意锁定客体之后，加工资源以整个客体为单位分配，客体内部各处属性共享这份资源，几乎是并行被处理的，因此判断客体内两项属性不需要额外切换注意就能完成。一旦目标属性分属两个物体，即便两个物体紧挨着，注意也需要先从一个客体切换到另一个客体才能完成第二次判断——这次切换本身消耗时间，这就是"跨物体判断更慢"这一现象背后的代价来源，学界称之为双物体代价（two-object cost）。这也解释了为什么单纯缩小两个物体之间的空间距离并不能消除这份代价：距离缩短并不会让两个物体合并成一个客体，切换的代价依然存在。
怎么研究
标准做法是让被试同时判断两项视觉属性，操纵这两项属性"同属一个物体"还是"分属两个物体"，同时把两种条件下目标之间的空间距离控制成相等，比较反应时差异。如果同物体条件明显更快，说明产生优势的是客体归属而不是空间距离本身。
常见自变量：属性归属（同物体/跨物体）、物体的空间距离；常见因变量：反应时、错误率、双物体代价的绝对量级。
这套范式在界面研究里用来判断把多项信息塞进同一个视觉容器（同一张卡片、同一行）是否真的换来了读取速度上的收益，而不只是视觉上看起来紧凑。
方法论注意点：双物体代价的量级会随物体本身的复杂度和属性之间的语义关联程度变化，实验室里用简单几何图形测出的代价值不能直接当作界面元素的通用系数使用。
边界
- 这个优势依赖客体边界清晰可辨，如果视觉设计本身没有让被试把某个区域识别为一个独立客体，同客体优势不会出现。
- 已经高度自动化、无需注意参与的判断（比如非常熟悉的图标识别）可能不表现出明显的双物体代价，因为这类加工较少依赖注意资源的客体级分配。
- 这条只讲同客体优势这个现象本身，客体边界如何形成、如何随运动更新是另外的问题。
怎么落地
- 如果两项信息经常需要被用户一起读取或比较（数值和它的单位、状态和它对应的说明），把它们放进同一个可识别的容器边界里，比单纯靠空间临近更能换来读取速度上的实际收益。
- 如果两项信息其实不需要被一起处理，甚至希望用户能独立、不受干扰地分别关注，可以有意把它们分别放进不同的容器，利用双物体代价降低两者相互干扰的概率。
- 验证办法：用一个简单的双属性判断任务，比较把两项信息放进同一容器与放进两个相邻容器时的读取或比对速度，速度差异可以直接量化当前设计是否真的获得了同客体优势带来的收益。