屏幕上会依次出现 1-9 的数字。每个数字出现时，你需要判断"它是否等于前 N 个数字"。N=2 时按"它是否等于上 2 个出现的数字"。如果你连续稳定答对，N 会自动上升，最高 4-back。
约 4 分钟 · 含视听双模 · 建议坐在安静位置
正确率 ≥ 80% 持续 12 题自动升级；连续错 4 题自动降级。
N-Back 是工作记忆研究里被反复使用的经典任务：屏幕（或耳机）依次给出 1 到 9 的数字，你要在每个数字出现时判断「它和前面第 N 个数字一样吗」。N 等于 1 时，只要和上一个相同就算命中；N 等于 2 时，要和倒数第二个比；N 等于 3 时要往前数三个。N 越大，你需要在脑子里同时维持并持续刷新的信息层数越多，负荷也越重。
本工具的关键设计是自适应：难度会跟着你的表现上下浮动。答对率维持在 80% 以上并连续 12 题，N 自动加一；连续错 4 题，N 退回一级。上限是 4-back。也就是说，你不需要事先决定自己能做到几层，四分钟里它会一路往上顶，撞到你的天花板为止。
最高级别才是这一局的主结果，而不是平均正确率。平均正确率会因为你在低级别阶段的大量简单题而被稀释，看起来永远很高，但它不反映你能压住几层信息。
不同人群在 N-Back 上能稳定达到的层级，个体差异很大，常见的成人表现集中在 2-back 与 3-back 区间，具体分布请以官方公布的资料与研究文献为准。本页更适合做同一个人在不同日期的纵向对比。
因为难度来自刷新压力，而不是存量。在 2-back 里，你只需要维护最近两个数字：新数字进来时，旧的滚出去，比较的是一个固定深度。升到 3-back 之后，每次新数字进来，你都必须同时把最近三个数字按顺序留在正确的位置上，而且要在脑子里做一次「整体前移」的重排——这个重排本身有成本。跳到 4-back 时同样如此。这就是为什么某些人 3-back 很稳、4-back 完全崩掉：他们能维持足够的存量，但撑不住持续的重排开销。
不能这样判断。这个任务的成绩有大量非能力因素在起作用：睡眠不足、咖啡因摄入与代谢时点、屏幕刷新率与亮度、手键位置、当天情绪、任务持续时间、甚至是刚才有没有被什么事打断。它更像是把一个多因素叠加的复合系统压缩成一个数字，而其中大部分权重并不属于记忆容量本身。更有意义的读法是把它当成状态温度计：在相似条件下连续记录几周，看你的上限是否随休息改善而抬升。如果长期低分并且在真实生活里也明显感到记不住东西，那属于需要专业评估的问题，不是在这个页面上能判断的。
因为两个通道同时输入时，你不仅要维护内容，还要做通道分配：在心里给视觉的数和听觉的数各自安排一个位置，并确保比较时取的是正确通道的那一份。这份额外的协调开销会占用同一套有限的资源，于是表现下降。这在双任务研究里是普遍现象，并不意味着某个通道有缺陷。更实际的判断标准是看差值本身：如果双模与单模的差距很小，说明你的并行分配效率高；差距大则说明在多任务场景里需要更强的策略训练——比如提前决定以哪个通道为准、降低对另一通道的临时编码。
关于「训练带来的提高有多少能迁移到其他认知任务」，学术上一直有讨论，不同研究结论并不一致，与任务设计、训练时长和测量方式都有关系，具体请以官方公布的资料与原始研究为准。可以确定的是两件事：一是你在任务本身上的表现会因为练习而变好，这几乎是必然的；二是这种变好有多少属于「一般性的工作记忆能力」，无法从这个页面得出结论。所以如果你的目的是提升工作记忆，把 N-Back 当成一个稳定的自我观察工具和一点点练习是合适的，把它当成通向其他能力提升的阶梯则容易失望。
首先，题目数量很少，每局几分钟，自适应机制决定了不同人走的升级路径不一样，因此不同人之间的数字本来就不可直接比较。其次，它只测视觉与听觉两个通道下的数字连续流，不涉及空间材料、言语材料的更新与刷新，也不测你的注意力在真实长时任务中的维持情况。第三，本工具不预测智力水平，不提供任何疾病筛查结论，也不给出干预方案。
适用范围：想知道自己今天能把多少层信息压住；想体验工作记忆训练范式的真实手感；想对比视觉、听觉与双模输入下的表现差异；想给自己留一条可纵向比较的状态基线。它不适合用来判断注意力或任何健康状况，也不适合替代正规机构的评估。
结果仅供自我探索与练习，不构成医疗或专业诊断。如果结果让你担心，请联系正规机构的专业人员。