An increasing number of cognitive, neurobiological, and computational models have been proposed in the last decade, seeking to explain how humans allocate physical or cognitive effort. Most models share conceptual similarities with motivational intensity theory (MIT), an influential classic psychological theory of motivation. Yet, little effort has been made to integrate such models, which remain confined within the explanatory level for which they were developed, that is, psychological, computational, neurobiological, and neuronal. In this critical review, we derive novel analyses of three recent computational and neuronal models of effort allocation—the expected value of control theory, the reinforcement meta-learner (RML) model, and the neuronal model of attentional effort—and establish a formal relationship between these models and MIT. Our analyses reveal striking similarities between predictions made by these models, with a shared key tenet: a nonmonotonic relationship between perceived task difficulty and effort, following a sawtooth or inverted U shape. In addition, the models converge on the proposition that the dorsal anterior cingulate cortex may be responsible for determining the allocation of effort and cognitive control. We conclude by discussing the distinct contributions and strengths of each theory toward understanding neurocomputational processes of effort allocation. Finally, we highlight the necessity for a unified understanding of effort allocation, by drawing novel connections between different theorizing of adaptive effort allocation as described by the presented models.

中文翻译：

---

综合努力：将动机强度理论与最新的努力和控制分配的神经计算和神经元模型联系起来。

在过去的十年中，越来越多的认知、神经生物学和计算模型被提出，试图解释人类如何分配体力或认知努力。大多数模型与动机强度理论（MIT）在概念上有相似之处，动机强度理论是一种有影响力的经典动机心理学理论。然而，人们很少努力整合这些模型，这些模型仍然局限于它们开发时的解释水平，即心理学、计算、神经生物学和神经元。在这篇批判性评论中，我们对最近三种努力分配的计算和神经元模型——控制理论的期望值、强化元学习器（RML）模型和注意力努力的神经元模型——进行了新颖的分析，并建立了一种正式的关系这些模型和麻省理工学院之间。我们的分析揭示了这些模型做出的预测之间惊人的相似性，并且具有共同的关键原则：感知任务难度和努力之间的非单调关系，遵循锯齿形或倒U形。此外，这些模型一致认为背侧前扣带皮层可能负责确定努力的分配和认知控制。最后，我们讨论了每种理论对于理解努力分配的神经计算过程的独特贡献和优势。最后，我们通过在所提出的模型所描述的自适应努力分配的不同理论之间建立新的联系，强调了对努力分配进行统一理解的必要性。具有共同的关键原则：感知的任务难度和努力程度之间存在非单调关系，呈锯齿形或倒 U 形。此外，这些模型一致认为背侧前扣带皮层可能负责确定努力的分配和认知控制。最后，我们讨论了每种理论对于理解努力分配的神经计算过程的独特贡献和优势。最后，我们通过在所提出的模型所描述的自适应努力分配的不同理论之间建立新的联系，强调了对努力分配进行统一理解的必要性。具有共同的关键原则：感知的任务难度和努力程度之间存在非单调关系，呈锯齿形或倒 U 形。此外，这些模型一致认为背侧前扣带皮层可能负责确定努力的分配和认知控制。最后，我们讨论了每种理论对于理解努力分配的神经计算过程的独特贡献和优势。最后，我们通过在所提出的模型所描述的自适应努力分配的不同理论之间建立新的联系，强调了对努力分配进行统一理解的必要性。这些模型集中在这样一个命题上：背侧前扣带皮层可能负责确定努力的分配和认知控制。最后，我们讨论了每种理论对于理解努力分配的神经计算过程的独特贡献和优势。最后，我们通过在所提出的模型所描述的自适应努力分配的不同理论之间建立新的联系，强调了对努力分配进行统一理解的必要性。这些模型集中在这样一个命题上：背侧前扣带皮层可能负责确定努力的分配和认知控制。最后，我们讨论了每种理论对于理解努力分配的神经计算过程的独特贡献和优势。最后，我们通过在所提出的模型所描述的自适应努力分配的不同理论之间建立新的联系，强调了对努力分配进行统一理解的必要性。