身份景观：基于记忆和预测的自我推断动力学模型

本文提出了一个正式的计算框架，在该框架中，自我连续性被建模为对潜在身份状态的概率推断。通过整合状态空间生成架构与内容寻址式记忆检索，该模型将身份描述为通过贝叶斯更新重构的隐藏动力学变量。该框架引入了一个身份势函数，定义了吸引子配置的景观，允许对身份稳定性、渐进漂移和突发相变进行定量分析。本文产生了五项可测试的经验预测，涉及记忆一致性、前驱转变及身份速度的神经相关性。