# Dual N-Back有效吗？研究证据与局限 Canonical: https://romeoapps.app/zh-Hans/dual-n-back/does-dual-n-back-work/ Author: Roméo Gambino · Published: 2026-09-07 · Updated: 2026-09-08 · App: Dual N-Back (https://romeoapps.app/zh-Hans/dual-n-back/) 诚实地回顾一下 dual n-back 的研究：哪些改进，哪些没有改进，为什么荟萃分析不一致，以及如何在不欺骗自己的情况下进行训练。 ## 问题背后的问题 dual n-back 是否可以提高锻炼、其他记忆任务或日常生活推理的表现？这是三种不同的结果。研究通常发现训练任务有所收获。更广泛的益处的证据不太一致，并且不能证明承诺提高智商或提高成绩是合理的。本指南将任务学习与迁移分开，并解释了主要研究、它们的差异和局限性。 [如何提高智商？研究与双重N-back](https://romeoapps.app/zh-Hans/dual-n-back/how-to-increase-iq/) ## 兴奋开始的地方 2008 年，Susanne Jaeggi 及其同事在 PNAS 上发表了一项研究，其中健康的年轻人接受了 8 到 19 次 dual n-back 任务的训练。受过训练的组在矩阵推理测试中的进步比未经训练的对照组要多，而且这种进步似乎随着训练量的增加而扩大。这篇论文之所以引人注目，是因为流体推理长期以来一直被认为在成年人中基本上是固定的。它被广泛报道，也是您今天在网上阅读到的有关 n-back 培训的大部分内容的来源。了解接下来发生的事情比最初的结果更重要。 ## 任务实际上是由什么组成的 dual n-back 试验可以同时为您提供两件事：一个正方形在 3×3 网格上的某处亮起，并且说出一个字母。每轮你的工作是回答两个独立的问题。这个位置和N回合前的位置一样吗？这声音和N回合前的声音一样吗？没有为您存储任何内容。要回答，您必须保留最后 N 个位置和最后 N 个声音的滚动窗口，添加最新的对，丢弃最旧的，并保持顺序不变，同时每隔几秒就有一个新的对到达。这种不断的重写是这项任务比记住列表更累的原因。这也是为什么研究文献将其归类为更新任务而不是存储任务。 ### 回看两个回合：分别比较每个通道 以 N = 2 为例。第一个位置是左上角的方块。第二个位置是中间的方块。第三个位置是左上角的方块。第四个位置是右下方块。四个声音是 A、B、C、B。比较刺激 3 和刺激 1：只有位置相同。比较刺激 4 和刺激 2：只有声音相同。始终与之前的两个刺激进行比较，而不是与前一个刺激进行比较。 [N-back 级别解释：N=1、N=2、N=3 及以上](https://romeoapps.app/zh-Hans/dual-n-back/n-back-levels-explained/) ## 更好的分数意味着什么 较高的分数可以反映几个变化：熟悉响应按钮、更好的时机、新策略或记住和更新序列的性能提高。仅凭分数无法区分这些解释。这就是为什么研究包括未经训练的结果测试和对照组。难度和努力本身并不能证明某项练习会产生一般的认知益处。 ## 转移意味着什么，以及为什么它决定一切 研究人员用两种方式描述改进。近迁移意味着增益会出现在与训练任务非常相似的任务上：另一个 n-back 变体，一个类似的更新任务。远转移意味着增益出现在真正不同的事情上，例如推理测试、阅读理解或日常生活中的注意力。近迁移相对容易产生并且易于解释，因为您在一定程度上衡量了对任务格式的熟悉程度。远转移这一说法使大脑训练在商业上变得有趣，但经过仔细测试，这种说法最常失败。 ## 近迁移：相似任务中的进步 训练研究通常报告练习 n-back 任务的收益，有些发现转移到类似的 n-back 任务。这并不能保证每个人或每次会议都取得进展。它也没有确定机制：熟悉度、时机和策略都可以发挥作用。在解释您自己的分数变化之前，请保持任务、评分公式和设置具有可比性。 ## 远转移：证据变得稀疏的地方 2013 年，雷迪克和同事进行了一项更大规模的研究，其中有一个主动对照组，这意味着对照组也执行了一项艰巨的计算机任务，而不是什么都不做。他们发现 n-back 训练后流体智力没有改善。同年，Melby-Lervåg 和 Hulme 发表了一项针对多项研究的工作记忆训练的荟萃分析，并报告了短期的近效应，并且没有可靠的远转移。 2016 年，同一作者在汇集了更多研究并密切关注对照组设计后，得出了类似的结论。 ## 为什么荟萃分析不一致 2014 年，Au 及其同事专门汇总了 n-back 研究，并报告了对流体智力的微小积极影响。 2016 年，Melby-Lervåg、Redick 和 Hulme 汇总了更广泛的数据集，但基本上没有报告。 2017 年，Soveri 和同事发表了对 n-back 训练的多层次元分析，发现 n-back 任务本身有明显的改进，密切相关的任务也有一些改进，除此之外几乎没有什么改进。这种分歧并不神秘。它来自于纳入的研究、对照组是主动的还是被动的，以及结果如何分组。这些决定中的微小差异会极大地影响标题数字。 ## 对照组问题 主动对照组也参与比较活动。它可以帮助研究人员测试明显的好处是否特定于培训而不是参与、测试练习或期望。它不能自动消除群体之间的每一个差异。随机分配、适当的结果测量、足够的样本量和报告所有计划的结果也很重要。 ## 该领域的结论是什么 2016 年，丹尼尔·西蒙斯 (Daniel Simons) 领导的一组研究人员在《公共利益心理科学》杂志上发表了一篇长篇评论，对大脑训练的主张进行了整体审查。他们的结论是，证据支持训练任务的改进，为密切相关的任务提供一些支持，并且不支持关于改善日常生活中认知表现的广泛主张。如果您想要全面了解而不是标题，那么这篇评论值得全文阅读，它适用于商业大脑训练套件，也适用于 n-back。 ## 那么值得这样做吗？ 如果您喜欢这项练习并想跟踪自己的表现，那么可能值得一试。这并不是获得更高智商、更好成绩或更好工作表现的既定途径。 Dual N-Back 适用于 App Store；请参阅列表了解当前定价和应用内购买。根据它可以让你练习的内容来选择它，并判断该活动对你是否有用或有趣。 ## 人们报道的轶事以及如何阅读 个人账户可以提出值得调查的问题，但它们并不能证明培训导致了变化。期望、常规中的其他变化和普通变化都是可能的替代解释。对照研究更适合区分它们。您可以记录您所注意到的内容，而无需将个人经历视为对其他人有益的证据。 ## 什么会改变图片 更大规模的预先注册试验、匹配良好的主动对照、培训后的后续行动以及分析前选择的结果可以澄清剩余的不确定性。声称特定人群受益更多也需要直接证据；平均值接近于零并不能识别响应者的子组。在获得更有力的证据之前，将结论与实际测量的任务和结果联系起来。 ## 合理的思考方式 一项锻炼可能很有趣，但不会在一般智力方面产生可测量的收益。您可能会重视挑战和跟踪技能的机会。这些是练习的个人原因，与关于转移的科学主张不同。将任何有保证的认知转变的承诺视为需要强有力的独立证据的主张。 ## 训练时不要欺骗自己 比较相同级别和相同设置下的准确性，并查看多个会话而不是一个个人最好成绩。记录条件的相关变化，而不假设它们导致结果。单独的较高级别并不能描述命中、未命中和误报的模式。使用评分指南来解释这些结果，并将练习的进展与其他地方未经测试的好处分开。 [如何玩 dual n-back：清晰的第一阶段](https://romeoapps.app/zh-Hans/dual-n-back/how-to-play-dual-n-back/) ## 常见问题 ### dual n-back 会提高智商吗？ 2013 年，雷迪克和同事进行了一项更大规模的研究，其中有一个主动对照组，这意味着对照组也执行了一项艰巨的计算机任务，而不是什么都不做。他们发现 n-back 训练后流体智力没有改善。同年，Melby-Lervåg 和 Hulme 发表了一项针对多项研究的工作记忆训练的荟萃分析，并报告了短期的近效应，并且没有可靠的远转移。 2016 年，同一作者在汇集了更多研究并密切关注对照组设计后，得出了类似的结论。 ### dual n-back 多久才会显示结果？ 较高的分数可以反映几个变化：熟悉响应按钮、更好的时机、新策略或记住和更新序列的性能提高。仅凭分数无法区分这些解释。这就是为什么研究包括未经训练的结果测试和对照组。难度和努力本身并不能证明某项练习会产生一般的认知益处。 ### dual n-back 比其他大脑训练应用程序更好吗？ 如果您喜欢这项运动并想跟踪自己的表现，那么可能值得一试。这并不是获得更高智商、更好成绩或更好工作表现的既定途径。 Dual N-Back 适用于 App Store；请参阅列表了解当前定价和应用内购买。根据它可以让你练习的内容来选择它，并判断该活动对你是否有用或有趣。 ### 为什么研究对于 dual n-back 存在不同意见？ 2014 年，Au 及其同事专门汇总了 n-back 研究，并报告了对流体智力的微小积极影响。 2016 年，Melby-Lervåg、Redick 和 Hulme 汇总了更广泛的数据集，但基本上没有报告。 2017 年，Soveri 和同事发表了对 n-back 训练的多层次元分析，发现 n-back 任务本身有明显的改进，密切相关的任务也有一些改进，除此之外几乎没有什么改进。这种分歧并不神秘。它来自于纳入的研究、对照组是主动的还是被动的，以及结果如何分组。这些决定中的微小差异会极大地影响标题数字。 ### 我还应该练习dual n-back吗？ 比较相同级别和相同设置下的准确性，并查看多个会话而不是一个个人最好成绩。记录条件的相关变化，而不假设它们导致结果。单独的较高级别并不能描述命中、未命中和误报的模式。使用评分指南来解释这些结果，并将练习的进展与其他地方未经测试的好处分开。 ## 延伸阅读 - Jaeggi, Buschkuehl, Jonides & Perrig (2008), Improving fluid intelligence with training on working memory, PNAS — https://doi.org/10.1073/pnas.0801268105 - Redick et al. (2013), No evidence of intelligence improvement after working memory training, Journal of Experimental Psychology: General — https://doi.org/10.1037/a0029082 - Melby-Lervåg & Hulme (2013), Is working memory training effective? A meta-analytic review, Developmental Psychology — https://doi.org/10.1037/a0028228 - Au et al. (2015), Improving fluid intelligence with training on working memory: a meta-analysis, Psychonomic Bulletin & Review — https://doi.org/10.3758/s13423-014-0699-x - Melby-Lervåg, Redick & Hulme (2016), Working memory training does not improve performance on measures of intelligence or other far transfer, Perspectives on Psychological Science — https://doi.org/10.1177/1745691616635612 - Soveri et al. (2017), Working memory training revisited: a multi-level meta-analysis of n-back training studies, Psychonomic Bulletin & Review — https://doi.org/10.3758/s13423-016-1217-0 - Simons et al. (2016), Do “Brain-Training” Programs Work?, Psychological Science in the Public Interest — https://doi.org/10.1177/1529100616661983