学新东西，会动到已经学过的连接
我们可以学会一条新路线，同时继续记得旧路线。这件事看起来平常，对一个靠改变连接来学习的系统却并不简单。
如果新旧经验使用完全不同的连接，它们容易各自保留。但真实神经系统会重复利用神经元和连接。新的学习可能改变过去也用过的部分，带来干扰；若为了保护旧经验把所有相关连接锁死，又可能妨碍新的学习。
睡眠为这个问题提供了一个具体研究窗口。外部任务暂时减少，脑内活动却没有停止；一些与近期经历有关的活动模式会再次出现，连接和网络状态也可能继续改变。1
这里需要分开两件事：睡眠后某项记忆表现较好，以及睡眠通过什么机制同时支持新经验与既有经验。前者的证据不能自动完成后者的解释。
本篇主要研究睡眠中的再激活、时间组织和活动平衡。小鼠海马实验是核心入口，人类研究与计算模型用于比较不同环节的证据，不把它们拼成一套已经逐步拍到的统一程序。
先把“回放”拆成三层
在动物走过一条路线时，可以记录哪些神经元在什么位置活动。之后睡眠时，如果这些神经元出现了与先前路线有关的活动模式，研究者可以比较它与任务中的模式是否相似。
这类再激活有不同的测量方式。某一组细胞再次共同活动，可以称为群体再激活；如果活动次序也符合某段经验的结构，则可以进一步研究序列回放。两者不能仅靠同一个总放电量判断。
海马的尖波涟漪事件，常简称SWR，是一种短暂的群体活动事件，许多研究在其中寻找回放。但SWR出现、某段任务模式被检出、动物后来记得更好，是三层不同证据。
例如，Chang等人在2025年的研究中，先根据小鼠在任务中的空间活动建立解码器，再检查睡眠SWR是否包含相应序列。只有一部分SWR达到研究定义的显著回放判据。2
这不能翻译成“其余事件没有记忆内容”。解码器使用的是这项任务的模板，未匹配的事件可能涉及别的活动，也可能因记录范围或统计标准而没有被识别。反过来，一段活动与任务模板相似，也不等于动物正在主观重温那段经历。
真正重要的下一步，是改变有关活动，再看哪一种行为结果随之改变。
同一段非快速眼动睡眠，内部还在变化
Chang等人同时记录小鼠的海马活动、局部场电位和瞳孔变化。他们发现，即使限定在非快速眼动睡眠内，瞳孔也会在大约分钟尺度上反复收缩和扩张，反映不同的神经网络状态。2
在这些较慢的状态变化之中，又嵌着短暂的SWR事件。近期任务的回放更偏向瞳孔较小的时段，熟悉环境的活动模式则更偏向瞳孔较大的时段。
这里的瞳孔是读出。它可以帮助区分状态，却没有证明瞳孔本身在指挥记忆，也不意味着只要人为改变瞳孔，脑内就会执行相应任务。
研究还检查了几个替代解释。例如，在匹配事件数量和群体放电水平后，近期回放与瞳孔状态的关系仍可观察；不同睡眠时段及部分其他睡眠事件，也不足以解释全部关联。这增加了状态划分的价值，但没有把未记录的内部变量全部排除。
“近期”和“熟悉”同样有具体含义。该研究中的熟悉目标或环境，是在此前数日反复经历的；它不等于人类多年前的自传记忆。熟悉程度、训练量和经历时间也一起变化，不能只用“新旧”两个字抹掉这些差异。
打断相似比例的事件，结果却取决于时段
为了检查行为后果，研究者让小鼠学习当天的隐藏目标位置，之后休息，再测量它们是否还会去相应位置。不同场次中，扰动分别针对瞳孔较小或较大时段的SWR。2
原始源表中，每种条件有8个场次，来自相同的5只鼠。按场次平均，两类条件中受到打断的SWR比例约为41.1%和44.0%。这为比较提供了数量上的控制，但不能把统计上未检出差异写成严格证明完全等量。
本篇提取了末次训练、无奖探测和首次测试共48个时间读数。为了避免记录场次多的动物在图中占更大权重，先对同一只鼠、同一条件的多个场次取平均，再展示5只鼠等权的结果。
在小瞳孔SWR扰动条件下，末次训练时到达目标的平均时间约为5.6秒，休息后的无奖探测约为37.2秒；在大瞳孔扰动条件下，相应数值约为4.9秒和5.0秒。
这组对照支持：在该任务与观察窗口里，不同状态下的SWR相关活动，对近期目标记忆的贡献不同。它限制了“只要打断相同数量的事件，结果就应相同”的解释。
图中的汇总不是重新运行原论文的统计模型。5只鼠不是16只独立动物，单个场次中的大量SWR也不是大量独立的行为重复。首次测试还存在较长的个别到达时间，这些值保留在公开数据和本篇计算中。
同时，扰动针对的是相关SWR活动，并非在保持所有其他神经状态不变的情况下，只打乱其中的序列内容。因此，证据支持有关时机与活动的重要性；要把全部行为后果唯一归给“精确序列本身”，仍需要更细的区分。
新目标受影响，熟悉目标还能使用，说明了多少
研究还设置了两种目标：一个此前已经熟悉，另一个在当天加入。在小瞳孔SWR扰动后，小鼠寻找新增目标的表现受影响，但对熟悉目标仍保留较好的表现。2
这有助于排除一种过于笼统的解释：动物并非一概不能寻找目标，或所有相关记忆都受到同等破坏。但它还不能证明一套完整的对称分工。
目前这条证据链较强的一侧是：近期经验更常在小瞳孔时段回放，打断相应活动会影响近期任务表现。
另一侧是：熟悉经验的模式更常在大瞳孔时段再激活。但回放偏好，不等于已经证明这一时段的回放对旧记忆的保留具有同样明确的必要性。 还需要直接检查相应扰动对既有记忆、后续干扰和较长时间保持的影响。
此外，“旧记忆仍能使用”也可能与它此前重复更多、连接更稳定或依赖不同回路有关。时间分配是一个值得研究的解释，现有实验没有把所有这些贡献完全分开。
网络状态怎样影响哪些模式更容易被激活
在小瞳孔时段，研究者从海马不同层的电信号中估计到较强的部分外部兴奋性输入；在大瞳孔时段，局部反馈抑制的相对参与更强。相似的外加刺激在不同状态下产生的群体响应也不同。2
这提示了一种机制：不同状态改变了网络的可激活性，使某些刚被学习增强的活动模式，或某些既有模式，更容易重新出现。
但这些测量各有边界。根据分层电信号估计输入，与逐条直接测得突触强度不是一回事；根据神经元放电关系估计连接，也带有识别假设。作者提出神经调质可能参与状态变化，并没有在这项研究里完整建立“某一种调质变化—状态切换—特定记忆保留”的全部因果链。
还要考虑脑区之间并不总是同时处于完全相同的状态。Findlay等在2025年底发表、编入2026年卷期的研究中，根据大鼠连续记录提出一种海马“尖波睡眠”状态，可与皮层睡眠指标有所分离。本篇仅核到该文原摘要，将它作为状态定义的边界提示，而不把它当作新旧记忆分工的直接验证。7
因此，未来有用的状态指标，需要说明它主要读到了哪个脑区、什么过程，以及是否足以指导对目标记忆的判断。
回放需要增强，也需要避免活动不断堆高
学习相关活动在睡眠中重新出现，并不意味着把所有活动持续放大就能得到更好的记忆。一个反复增强的网络，也需要避免同步和兴奋性失去平衡。
Karaba等人在2024年的研究中，识别了一类与SWR在时间上不同的网络事件，称为BARR。它涉及一部分CA2细胞和局部抑制细胞；一些在学习与后续SWR中较活跃的CA1细胞，在这些事件中受到较强抑制。3
研究根据这类事件与SWR的时间关系，扰动了相关抑制回路。扰动后，SWR的出现和任务相关再激活仍可保留，但部分细胞的活动增益和群体同步持续偏高，物体位置记忆表现受到影响。针对另一时段的对照，并未出现相同的行为结果。
这项结果有力地提醒我们：SWR还在、再激活还能测到，并不足以保证记忆功能正常。 活动如何回到合适范围，也可能是巩固所需条件的一部分。
不过，它没有测出一条完整的“回放强度—记忆收益”最优曲线，也没有证明所有脑区都采用相同的平衡方式。其操作利用事件间的统计时间关系，而不是对每一个BARR完全独立、无其他影响的开关。
这项工作与瞳孔微状态研究来自有交叉的团队，提供的是不同环节的证据；不能把两篇文章直接计为对同一完整机制的两次独立复现。短暂BARR事件和分钟尺度的瞳孔状态也不等同，不能因为都涉及抑制就合并成同一个过程。
一个小模型：重访旧经验为什么可能有帮助
睡眠中的自发再激活怎样改变连接，是更难直接量化的问题。Gonzalez等人的2020年计算研究，在具有清醒样与睡眠样活动的神经网络模型中，研究了重叠序列的学习与保留。4
模型中的睡眠样活动能够重新激活部分旧模式，并调整连接，使新旧序列更容易共存。但它需要旧记忆还留下可利用的连接痕迹；若新学习已经把这些痕迹破坏得过多，不能指望内部活动凭空重建原来内容。该模型的睡眠状态由研究者改变参数实现，也不等于已经解释了生物睡眠如何自行形成。
为了单独看清“共享连接”和“重访顺序”，本篇另算了一个更小的例子。它只有两个输入特征和一组共享权重，用来完成旧任务与新任务。每次看到一个样本，就按预测误差修改权重：
这是自选的线性学习模型，不是生理突触规则。两个任务的输入有重叠，因此为一个任务调整权重，也可能改变另一个任务的预测。
比较两种顺序：先完成50次旧任务更新，再做50次新任务更新；或者把相同数量的旧、新更新交错进行。总更新数、每种任务的出现次数和基本更新规则都相同，两种方案都从已经能完成旧任务的同一组权重开始。
图中具体采用旧输入$(1,0)$和新输入$(0.8,0.6)$，目标分别为1和−1，初始权重为$(1,0)$，更新步长$\eta=0.3$。这些都是无量纲的示意参数，选择有重叠但仍可区分的输入，是为了检查两种任务能否兼顾。
当两个任务共享部分特征、且现有特征足以同时完成两者时，分块学习后旧任务的误差明显增大；交错重访则能让两个误差都较小。本例中旧任务的最终平方误差约为2.07与0.00095。
这里也有明确反例：两个任务完全不共享特征时，分块顺序已经能够保留旧任务，交错未产生相同的额外价值。如果两个任务给出完全相同的输入，却要求相反答案，而模型没有任何区分上下文的信息，那么再怎么交错，也无法让两个预测同时正确。
后一个限制可以直接看出来。若共同预测是$z$，两个目标分别为1和−1，平均平方误差为：
要突破这个限制，需要增加能够区分任务的信息或改变表示，而不只是重新排列学习次序。
因此，重访的效果依赖共享程度、旧信息是否仍可访问、系统是否有足够表示能力，以及更新规则。我们的例子人工提供了旧任务样本；它没有模拟睡眠如何在没有外部样本时生成旧经验的再激活。 这正是神经机制研究仍需回答的一步。
同样，模型中“每条更新一次”不等于生物实验里耗费相同时间或能量。不能据此指定人的最佳回放周期，也不能用它在随机交错与状态分隔之间直接宣布胜者。
人类研究支持哪些连接，又留下哪些差别
动物实验可以较细地操控特定回路，人类研究则需要看更有限的测量与干预机会。
Geva-Sagiv等人的2023年研究，利用因临床需要植入电极的癫痫患者，比较与海马区域慢波活动同步的皮层刺激、未受扰动的睡眠夜，以及不同参与者中的混合相位刺激。研究关注的是跨区域振荡配合与第二天记忆表现。5
18名参与者中，12名完成了纳入分析的完整记忆测验。前额叶同步刺激的6名参与者，其识别准确性变化方向一致；但关联配对成绩没有同样可靠的改善，部分重抽样分析的组效应区间仍包含零。
因此，识别、关联配对和一般警觉表现不能合成一个“记忆全面增强”的结论。同步与混合相位也不是同一批人都经历过的三条件比较；人群小、临床病情与用药、记录和刺激位置，都限定了外推。
这项研究为跨脑区活动配合的作用提供了干预证据，却没有在人类中复现小鼠瞳孔状态下的新旧记忆分工。
还有一个需要正面保留的结果。Bailes等人在2020年，用97名学生尝试重复睡眠抵抗后续词对干扰的效应。睡眠组仍显示较好的记忆表现；但与清醒组相比，未检测到睡眠明显减轻后续干扰的作用，因而未重现原先报告的强保护效应。6
该实验使用不同、经过安排的词对列表分别测立即记忆、未受干扰的保留和受干扰后的保留，不能当成对每一个相同词对的连续追踪。睡眠夜与白天清醒的时点条件也不同。它没有证明睡眠毫无主动巩固作用，但说明“睡后记得较好”与“此后更抗干扰”应分别检验。
怎样理解目前已经接上的机制链
这组研究支持一种逐步具体化的解释：睡眠中的神经活动既涉及内容再次出现，也涉及哪些回路此时容易被激活、不同节律如何配合，以及活动增强后怎样受到限制。
其中，近期任务回放的状态偏好，以及选择性扰动后近期行为受影响，是较直接的证据。局部抑制扰动导致活动持续偏高而记忆变差，进一步说明功能取决于活动组织和调节，不能只数回放事件。
但还有几条连接未完成：熟悉经验的回放偏好是否对旧记忆保持具有必要作用；时间分隔能独立减少多少新旧干扰；不同脑区和物种的状态定义怎样对应；以及真实系统怎样选择值得再次激活的内容。
原有T33研究的表征漂移与行为稳定，关注的是表示改变后信息如何继续被使用。本篇则进一步说明，新的学习与旧的保留，还需要研究共享连接如何被再次访问和调整。
睡眠为新旧经验的重新组织提供了可测量的条件，现有资料尚未建立一套对全部记忆通用的分工程序。 将回放内容、时间状态、回路调节和行为终点分别核对，才能判断每条机制链已经接到了哪里。