Optimality studies and studies of decision-making in monkeys have been used to support a model in which the decision boundaries used to evaluate evidence collapse over time. This article investigates whether a diffusion model with collapsing boundaries provides a better account of human data than a model with fixed boundaries. We compared the models using data from four new numerosity discrimination experiments and two previously published motion discrimination experiments. When model selection was based on BIC values, the fixed boundary model was preferred over the collapsing boundary model for all of the experiments. When model selection was carried out using a parametric bootstrap cross-fitting method (PBCM), which takes into account the flexibility of the alternative models and the ability of one model to account for data from another model, data from 5 of 6 experiments favored either fixed boundaries or boundaries with only negligible collapse. We found that the collapsing boundary model produces response times distributions with the same shape as those produced by the fixed boundary model and that its parameters were not well-identified and were difficult to recover from data. Furthermore, the estimated boundaries of the best-fitting collapsing boundary model were relatively flat and very similar to those of the fixed-boundary model. Overall, a diffusion model with decision boundaries that converge over time does not provide an improvement over the standard diffusion model for our tasks with human data.

中文翻译：

---

比较扩散模型的固定边界和折叠边界版本

猴子的最优性研究和决策研究已被用于支持一个模型，其中用于评估证据的决策边界随着时间的推移而崩溃。本文研究了具有折叠边界的扩散模型是否比具有固定边界的模型能更好地解释人类数据。我们使用来自四个新的数字判别实验和两个先前发布的运动判别实验的数据来比较模型。当模型选择基于 BIC 值时，对于所有实验，固定边界模型优于折叠边界模型。当使用参数自举交叉拟合方法 (PBCM) 进行模型选择时，该方法考虑了替代模型的灵活性以及一个模型考虑另一个模型数据的能力，6 个实验中有 5 个的数据倾向于固定边界或只有可忽略不计的坍塌边界。我们发现折叠边界模型产生的响应时间分布与固定边界模型产生的响应时间分布形状相同，并且其参数不能很好地识别并且难以从数据中恢复。此外，最佳拟合塌陷边界模型的估计边界相对平坦，与固定边界模型的估计边界非常相似。总体而言，具有随时间收敛的决策边界的扩散模型并没有为我们的人类数据任务提供对标准扩散模型的改进。我们发现折叠边界模型产生的响应时间分布与固定边界模型产生的响应时间分布形状相同，并且其参数不能很好地识别并且难以从数据中恢复。此外，最佳拟合塌陷边界模型的估计边界相对平坦，与固定边界模型的估计边界非常相似。总体而言，具有随时间收敛的决策边界的扩散模型并没有为我们的人类数据任务提供对标准扩散模型的改进。我们发现折叠边界模型产生的响应时间分布与固定边界模型产生的响应时间分布形状相同，并且其参数不能很好地识别并且难以从数据中恢复。此外，最佳拟合塌陷边界模型的估计边界相对平坦，与固定边界模型的估计边界非常相似。总体而言，具有随时间收敛的决策边界的扩散模型并没有为我们的人类数据任务提供对标准扩散模型的改进。最佳拟合塌陷边界模型的估计边界相对平坦，与固定边界模型的估计边界非常相似。总体而言，具有随时间收敛的决策边界的扩散模型并没有为我们的人类数据任务提供对标准扩散模型的改进。最佳拟合塌陷边界模型的估计边界相对平坦，与固定边界模型的估计边界非常相似。总体而言，具有随时间收敛的决策边界的扩散模型并没有为我们的人类数据任务提供对标准扩散模型的改进。