不确定的奖励最能维持重复行为
别名: 可变强化 · 间歇强化 · variable ratio schedule · partial reinforcement
概念解释
变量奖励（variable reward）指同一个行为之后，奖励是否出现、何时出现、价值多大都不可预测的安排。它维持重复行为的能力超过任何固定奖励：固定奖励在停止供应后行为迅速消退，而不确定奖励下的行为在奖励完全停止后仍会持续很久，过程中几乎不存在「满足了、可以停了」的饱和点。
机制
差异出在强化程序（schedule of reinforcement）的信息结构上。固定程序下，有机体很快学到「这次之后没有奖励」的规律，奖励一停，停止的证据立刻可得，行为随之消退。可变程序（尤其可变比率，variable ratio）下，任何一次未获奖励都无法证明「奖励没有了」——按定义，下一次就可能命中。行为系统对「未获奖」的解读被系统性扭曲：空白被读成「继续」而不是「停止」。这就是部分强化消退效应（partial reinforcement extinction effect）：经历过不确定奖励的行为，比经历过固定奖励的行为难消退数倍。同时奖励幅度的波动使期待无法锚定在一个稳定预期上，每次兑现都像第一次。
怎么研究
操作性条件反射的强化程序实验是源头范式：同一行为分别置于固定与可变程序下，比较反应率与消退曲线。常见自变量是程序类型（固定/可变 × 比率/间隔）、奖励概率与幅度；因变量是反应率、消退阶段的持续反应数。在界面研究里用于评估反馈设计（点赞数的波动、随机出现的内容奖励）对重复使用曲线的影响。方法论注意点：实验室单次会话测得的消退曲线难以外推到数周日常习惯的形成；自报的「受吸引程度」与实际使用频率的相关有限，需要以行为日志为准；奖励的「不确定」要向被试真实成立，预告过的随机不产生可变程序效应。
边界
可变程序维持的是行为频率，不保证主观价值——行为完全可以在用户自评体验很差的情况下持续，这一断裂正是成瘾设计判据的起点。对服务明确目标的等待（等一封关键邮件、等结果公布），不可预测是世界的属性而非设计注入的手段，判据不在奖励是否可变，而在可变性是否被人为制造并服务于停留。维持效果还依赖尝试机会高频且低成本；当单次尝试需要高投入时，可变程序的效率大幅下降。
怎么落地
把「奖励是否可变」当作需要论证的设计决策而非默认状态。列出产品中所有「用户行动之后可能得到什么」的时刻，逐项标注奖励量的稳定性与波动来源：波动来自真实世界（别人是否回复），还是被人为注入（随机掉落、抽奖）。凡人为注入者，回答「这个回路是否服务于用户自己的目标」，答不上来就改成固定反馈。验证办法：关闭随机性前后各跟踪两周，对比会话频率与自评有用度——若频率下降而自评不降，说明此前的频率由机制而非价值维持。