Low-dimensional factorized neural computations underlie risk-adaptive choices
Cette étude démontre que la prise de décision adaptative au risque repose sur des calculs neuronaux de faible dimension qui séparent les états sûrs et risqués, un mécanisme identifié grâce à des agents d'apprentissage par renforcement profond et validé par des motifs dynamiques similaires dans les enregistrements neuronaux humains.