مدلی بیزی توضیح می‌دهد هدفِ دست‌نیافتنی چگونه انتخاب را شکل می‌دهد

انسان‌ها و جانوران همیشه گزینه‌ای را انتخاب نمی‌کنند که بیشترین بازده را دارد؛ گاهی انتخاب بر پایهٔ هدفی است که هنوز محقق نشده است. پژوهشگران در پیش‌چاپی در arXiv، این وضعیت را با مدلی ساده از انتخاب هدف‌محور بررسی کرده‌اند.

مدل «رضایت‌جویی حساس به ریسک» (Risk-sensitive Satisficing) ارزش هر گزینه را بر اساس سهم آن از آزمون‌های گذشته و میزان بالاتر یا پایین‌تر بودن نتیجه‌اش از سطح آرزو محاسبه می‌کند. نویسندگان نشان می‌دهند که می‌توان این روش را به برآوردگری شبیه بیزی به نام Attention Competitive Bayes بازنویسی کرد: سطح آرزو نقش میانگین پیشین را برای همهٔ گزینه‌ها دارد و بودجهٔ محدود آزمون‌ها تعیین می‌کند شواهد تا چه اندازه بر آن اثر بگذارند.

یکی از پیامدهای مدل این است که برآورد گزینه‌هایی که دیگر انتخاب نمی‌شوند، بدون حذف داده‌های قبلی به‌تدریج به سطح آرزو نزدیک می‌شود. نویسندگان این پدیده را «شبه‌فراموشی» می‌نامند و آن را از مدل‌هایی متمایز می‌کنند که نرخ فراموشی صریح دارند. همچنین، در شبیه‌سازی‌های مسئلهٔ bandit با پاداش برنولی، وقتی سطح آرزو دست‌نیافتنی بود، تنظیم آن بر اساس شواهد میزان پشیمانی مورد انتظار را کاهش داد. این نتایج حاصل یک مدل نظری و شبیه‌سازی‌اند؛ پژوهشگران می‌گویند مدل پیش‌بینی‌های آزمون‌پذیری دربارهٔ ارزش‌گذاری دوبارهٔ گزینه‌های کنارگذاشته‌شده ارائه می‌کند.