围绕人类与灵长类动物如何在掌握一项技能后更快上手同类新任务，长期以来学界普遍认为关键不在简单记忆累积，而在于大脑能够抽取任务背后的共性结构，并在不同情境中复用。
这种能力常被概括为“举一反三”，也是“学会学习”的集中体现。
但一个核心难题始终存在：既有经验若过于稳定，可能束缚对新条件的适应；若过于灵活，又可能导致旧知识被新学习冲刷，出现干扰与遗忘。
稳定与灵活如何兼得，是理解学习迁移机制的关键科学问题之一。
此次研究以猕猴为模型，设置一系列视觉—运动映射训练：动物需根据视觉线索做出相应动作选择。
随着训练推进，猕猴在后续同类任务中的学习速度明显提升，表明其不仅记住具体刺激与动作的对应关系，更可能掌握了“如何更快学会新映射”的抽象规则。
这一行为层面的提升，为进一步追踪大脑内部如何组织与调用经验提供了可量化的入口。
从原因机制看，研究对猕猴背侧前运动区的神经群体活动进行记录与分析，得到一个更具解释力的组织框架：在学习过程中，神经活动可分解为两个几乎相互正交的表征空间。
其一是相对稳定的“决策子空间”，在该空间内存在低维的神经活动结构，主要承载任务的核心决策逻辑。
即便外界具体视觉刺激发生变化，只要决策规则不变，大脑仍倾向于复用这一稳定模式，从而减少重新摸索的成本。
其二是相对独立的“感觉子空间”，负责编码当下任务的具体感觉特征与外部条件，用以支持在新情境下的快速适配。
由于两类信息在近乎正交的空间中运行，彼此干扰被显著压低，使大脑能够在不破坏既有“图式”结构的前提下吸纳新信息。
这一发现的影响主要体现在三个层面。
首先，它为“图式”这一心理学概念提供了更清晰的神经实现线索：图式并非单一、静态的记忆痕迹，而更像是可反复调用的稳定决策结构，并通过与感觉表征的分工协作，实现迁移与泛化。
其次，该机制解释了为何在现实学习中，人们常能在规则相近的任务间实现能力转移，例如不同球类运动或同类题型训练：只要抽象规则被稳健地固化在“决策层”，新情境的差异就主要交由“感觉层”去处理，从而缩短学习曲线。
再次，这一结果也提示后续研究可将注意力更多投向“决策—感觉”两类表征如何交互、何时整合以及在复杂任务中是否存在更多层级的分离与协同，为理解高级认知提供可检验的路径。
从对策与应用视角看，这一“表征空间分离”的思路对连续学习系统的设计具有启示意义。
现实世界中的学习往往是任务序列式的：新技能不断加入，旧技能需要保留。
若缺乏有效的表征隔离，新的训练会反复覆盖旧知识，导致性能波动甚至遗忘。
与之相比，灵长类大脑通过在不同空间中分别承载稳定结构与可变特征，将“复用”与“更新”相对解耦，形成一种更具鲁棒性的组织方式。
未来相关工程系统若能在模型结构或训练策略上建立类似的分离机制，并配合适当的通道选择与保护策略，有望提升跨任务迁移效率与长期稳定性。
当然，如何在更开放环境下实现自动抽象、如何在规则发生变化时安全地重构稳定子空间，仍需进一步验证与攻关。
面向前景，研究为理解灵长类大脑学习规律提供了一个可推广的概念框架：稳定的决策结构像“骨架”，具体的感觉特征像“肌肉”，二者分工明确又能在需要时协同发力。
随着神经记录技术、数据分析方法与跨学科合作的持续推进，未来有望在更复杂的自然任务中检验这一机制的普适性，并进一步阐明其在注意、记忆巩固与策略选择中的作用。
同时，基于这一机制形成的理论模型，也有望成为连接基础研究与应用技术的重要桥梁，推动“更快学得会、更稳学得住、更灵活用得上”的学习系统走向成熟。
这项研究标志着我国在认知神经科学领域取得重要突破，其揭示的"双空间编码"机制不仅解开了大脑高效学习的生物学密码，更展现出基础研究向应用转化的巨大潜力。
正如人类文明通过文字发明实现了知识代际传递，大脑早已进化出精妙的神经"书写系统"。
在智能化时代，读懂这套自然赋予的编码体系，或将重塑我们对智慧本质的理解。