Abstract Research has shown individuals with autism spectrum disorder (ASD) display atypical patterns in predictive processing, yet it remains controversial regarding what causes these atypical behaviors because findings have been inconsistent. Our study employed a two-state Bayesian model to decide between two suggested factors: an aberrant long-term prior and atypical short-term iterative belief updating. Both ASD individuals and typically developing (TD) counterparts participated in a task where they reproduced time durations over two sessions, one characterized by high volatility and the other by predictable sequences. Both sessions involved the same time durations, but the sequences differed in volatility. While both groups adjusted their prior belief to the level of volatility in a similar manner, they diverged in their short-term iterative updating of beliefs. Individuals with ASD iteratively adjusted their beliefs with each new stimulus as if it were less connected to previous ones compared to TD individuals, thereby assigning greater weight to incoming sensory information. Our findings highlight that the distinctive signature of cognitive processing in ASD lies in a mechanism of overreliance on sensory input specific to short-term iterative belief updating.. This unique characteristic may mirror an experience among individuals with ASD of temporal discontinuity rendering the world overly unpredictable.

Abstract Duration estimates are often biased by the sampled statistical context, yielding the classical central-tendency effect, i.e., short durations are over- and long duration underestimated. Most studies of the central-tendency bias have primarily focused on the integration of the sensory measure and the prior information, without considering any cognitive limits. Here, we investigated the impact of cognitive (visual working-memory) load on duration estimation in the duration encoding and reproduction stages. In four experiments, observers had to perform a dual, attention-sharing task: reproducing a given duration (primary) and memorizing a variable set of color patches (secondary). We found an increase in memory load (i.e., set size) during the duration-encoding stage to increase the central-tendency bias, while shortening the reproduced duration in general; in contrast, increasing the load during the reproduction stage prolonged the reproduced duration, without influencing the central tendency. By integrating an attentional-sharing account into a hierarchical Bayesian model, we were able to predict both the general over- and underestimation and the central-tendency effects observed in all four experiments. The model suggests that memory pressure during the encoding stage increases the sensory noise, which elevates the central-tendency effect. In contrast, memory pressure during the reproduction stage only influences the monitoring of elapsed time, leading to a general duration over-reproduction without impacting the central tendency.

Abstract Perception of magnitudes such as duration or distance is often found to be systematically biased. The biases, which result from incorporating prior knowledge in the perceptual process, can vary considerably between individuals. The variations are commonly attributed to differences in sensory precision and reliance on priors. However, another factor not considered so far is the implicit belief about how successive sensory stimuli are generated: independently from each other or with certain temporal continuity. The main types of explanatory models proposed so far – static or iterative – mirror this distinction but cannot adequately explain individual biases. Here we propose a new unifying model that explains individual variation as combination of sensory precision and beliefs about temporal continuity and predicts the experimentally found changes in biases when altering temporal continuity. Thus, according to the model, individual differences in perception depend on beliefs about how stimuli are generated in the world.

Abstract Our perception and decision-making are susceptible to prior context. Such sequential dependence has been extensively studied in the visual domain, but less is known about its impact on time perception. Moreover, there are ongoing debates about whether these sequential biases occur at the perceptual stage or during subsequent post-perceptual processing. Using functional Magnetic Resonance Imaging (fMRI), we investigated neural mechanisms underlying temporal sequential dependence and the role of action in time judgments across trials. Participants performed a timing task where they had to remember the duration of green coherent motion and were cued to either actively reproduce its duration or simply view it passively. We found that sequential biases in time perception were only evident when the preceding task involved active duration reproduction. Merely encoding a prior duration without reproduction failed to induce such biases. Neurally, we observed activation in networks associated with timing, such as striato-thalamo-cortical circuits, and performance monitoring networks, particularly when a “Response” trial was anticipated. Importantly, the hippocampus showed sensitivity to these sequential biases, and its activation negatively correlated with the individual’s sequential bias following active reproduction trials. These findings highlight the significant role of memory networks in shaping time-related sequential biases at the post-perceptual stages. Significance Statement Our study explores the neural mechanisms of sequential dependence in time perception and reveals that active reproduction of time duration in the previous trial can bias subsequent estimates, resulting in a sequential dependence effect. In contrast, passive viewing of a stimulus without reproducing its duration does not produce this effect. At the neural level, we observed increased activity in memory regions like the hippocampus when sequential biases were reduced. Furthermore, we found a negative correlation between hippocampal activation and sequential bias following active reproduction trials, suggesting that the involvement of memory networks mediates how we are influenced by past experiences when judging time.

ABSTRACT The Drift-Diffusion Model (DDM) is widely accepted for two-alternative forced-choice decision paradigms thanks to its simple formalism and close fit to behavioral and neurophysiological data. However, this formalism presents strong limitations in capturing inter-trial dynamics at the single-trial level and endogenous influences. We propose a novel model, the non-linear Drift-Diffusion Model (nl-DDM), that addresses these issues by allowing the existence of several trajectories to the decision boundary. We show that the non-linear model performs better than the drift-diffusion model for an equivalent complexity. To give better intuition on the meaning of nl-DDM parameters, we compare the DDM and the nl-DDM through correlation analysis. This paper provides evidence of the functioning of our model as an extension of the DDM. Moreover, we show that the nl-DDM captures time effects better than the DDM. Our model paves the way toward more accurately analyzing across-trial variability for perceptual decisions and accounts for peri-stimulus influences.

150 years ago, the physiologist Karl Vierordt discovered one type of systematic errors in time perception - an overestimation of long durations and underestimation of short durations, now known as Vierordt's law. Here we review the original study in its historical context and ask whether Vierordt's law is a result of an unnatural experimental randomization protocol. Using iterative Bayesian updating, we simulated the original results with astonishing accuracy. To validate whether the experimental protocol matters, we compared duration reproduction from two sequences with the same sampled distribution and found that trial-wise variation determines the reproduction error. We conclude that Vierordt's law is caused by an unnatural yet widely used experimental protocol.

Vestibular balance control is dynamically weighted during locomotion. This might result from a selective suppression of vestibular inputs in favor of a feed-forward balance regulation based on locomotor efference copies. The feasibility of such a feed-forward mechanism should however critically depend on the predictability of head movements (PHM) during locomotion. To test this, we studied in healthy subjects the differential impact of a stochastic vestibular stimulation (SVS) on body sway (center-of-pressure, COP) during standing and walking at different speeds using time-frequency analyses and compared it to activity-dependent changes in PHM. SVS-COP coupling decreased from standing to walking and further dropped with faster locomotion. Correspondingly, PHM increased with faster locomotion. Furthermore, SVS-COP coupling depended on the gait-cycle-phase with peaks corresponding to periods of least PHM. These findings support the assumption that during stereotyped human self-motion, locomotor efference copies selectively replace vestibular cues, similar to what was previously observed in animal models.