博弈论 101 第 71 讲：切点策略与连续类型

视频封面

视频元信息

讲师：William Spaniel（视频中口播为 Williams Daniel，实为 William Spaniel）
主题：连续类型空间（continuous type space）与切点均衡（cutpoint equilibrium）
前置知识：概率密度函数（PDF）、累积分布函数（CDF）、贝叶斯纳什均衡（BNE）

内容摘要（TL;DR）

本讲把不完全信息博弈的类型空间从「离散」推广到「连续区间」，以志愿者困境为例，说明当成本在 [0,1] 上连续分布时，均衡呈现「切点规则」：成本低于某临界值的人当志愿者，高于者不当。通过令「当志愿者效用 = 不当志愿者效用」求解无差异点，得到方程 1 − c = F(c)，其唯一解即为对称贝叶斯纳什均衡的切点。

一、从离散类型到连续类型 [00:00]

本章说明为什么需要一套新工具。

之前研究不完全信息博弈时，参与者类型是有限的离散类型（如类型1、类型2、类型3……），每个类型可以理解为一种收益结构（例如囚徒困境型、鹰鸽型）。
现在换一种思路：不再用离散类型空间，而是看一个连续的可能类型区间。例如「采取某行动的成本」可以是某个下界与上界之间的任意数值。
离散类型空间下，可以把所有情况整合成一棵博弈树，再用标准纳什均衡方法求解贝叶斯纳什均衡。
重点：连续类型空间无法整齐地整合成博弈树，必须换一套方法——这正是本讲与下一讲的核心内容。

前置知识提醒：需要了解概率密度函数（PDF）与累积分布函数（CDF）才能完全理解本讲。连续类型空间涉及概率论，没有概率论基础会「寸步难行」。 理解：PDF 描述「某一点附近的概率密度」，CDF 描述「小于等于某值的累积概率」，在连续类型博弈中 CDF 直接决定对手采取某行动的概率。

讲师安慰：即使这两讲跟不上，之后不会大量使用这些内容，仍可继续学习系列课程。

二、志愿者困境（Volunteer's Dilemma）[01:51]

本章建立博弈的基本结构。

场景：两个人同时决定是否当志愿者。当志愿者有成本，记为 C（成本）。
只要至少有一人当志愿者，双方都能获得收益，收益被标准化为 1。
如果没人当志愿者，双方收益都是 0（享受不到好处）。
经典例子：有人急需别人帮忙报警或叫救护车，几个路人围观，每个人都要决定是否花时间拿起手机打电话。

收益结构（两人两策略）：

情况	当志愿者者收益	不当志愿者者收益
两人都不当	0	0
一人当、一人不当	1 − C（付出成本）	1（搭便车，零成本）
两人都当	1 − C	1 − C

考点：搭便车（free-riding）——不当志愿者的人拿到全部收益 1，却不承担任何成本，这是志愿者困境的核心张力。

三、加入连续类型的不完全信息 [03:27]

本章把完全信息博弈改造为不完全信息版本。

每个参与者的成本是私人信息：你知道自己打电话报警要花多少时间（也许真要上班、不上会被炒），但不知道对方的成本。
双方都知道对方成本的分布函数，记为 F(C)。
分布函数的性质：
- F(0) = 0：没有人成本低于 0。
- F(1) = 1：任何人可能付出的最高成本等于 1。
- 连续且严格递增：随着成本 C 变大，实际成本低于该数值的人所占比例越来越大。
分布是对称的（双方相同）且相互独立的。

易错点：F 的含义。F(c) 表示「成本小于等于 c 的参与者所占比例」，也就是「随机抽一个对手，其成本低于 c 的概率」。这是后面把概率 P 替换成 F(c*) 的关键。

四、连续类型下求解的困难 [04:38]

本章解释为什么连续类型空间更复杂。

贝叶斯纳什均衡定义不变：为每一种类型的参与者指定策略，使得没有任何类型有有利可图的偏离。
离散类型下：只需逐一考虑每种类型的策略，确保每种类型都最优。
连续类型下：存在无穷多种类型，无法逐一列举。
举例：把 [0,1] 的成本区间画成一条数轴，一种可能的策略是「蓝色线段上的人当志愿者，红色线段上的人不当」——而且可以是「低成本的当、次低的不当、再高的又当、又不当……」这样极其复杂的跳跃模式。
每一种线段排列理论上都要作为均衡可能性来考虑，看似无从下手。

思考：这正是连续类型博弈的「策略空间爆炸」问题——策略是从类型到行动的映射，而类型有无穷多个，映射空间是函数空间。

五、切点均衡（Cutpoint Equilibrium）[06:01]

本章引入核心概念。

幸运的是，这类博弈实际求解并不复杂，因为可以利用切点均衡。
切点规则：所有低于某个切点的类型采取一种行动，所有高于该切点的类型采取相反行动。
在志愿者困境里：成本低于切点的人当志愿者，高于切点的人不当志愿者。
考点：为什么均衡往往是切点规则？
- 假设均衡中某成本为 c 的类型选择当志愿者，那么根据均衡条件，他当志愿者的收益必须不低于不当志愿者。
- 一个成本更低的类型，当志愿者的成本比 c 更低，既然 c 都愿意当，成本更低者更应愿意当。
- 因此形成单调性：低于门槛的人都当志愿者，高于门槛的人都不当。

易错点：切点规则的单调性来自「成本越低越愿意当志愿者」。这个直觉是单交叉条件（single-crossing）的体现，是切点均衡存在的基础。

六、收益的图像分析 [08:10]

本章用图形直观展示两种行动的效用。

当志愿者的效用：无论对手怎么做，收益固定为 1 − C。
- 画在图上：横轴是成本 C，纵轴是效用。成本越低（接近 0），效用越高；成本越高（接近 1），效用越低。
- 因此这条线随成本增加而递减。
不当志愿者的效用：取决于对手是否当志愿者。
- 对手当志愿者 → 你得 1；对手不当 → 你得 0。
- 在切点均衡中，低成本的对手会当志愿者，高成本的对手不当，两种情况都以正概率发生。
- 所以不当志愿者的收益在 0 和 1 之间随机分布。
- 获得 1 的概率 = F(c)（对手成本低于切点的概率，即对手会当志愿者的概率）。

图像关键点：

当志愿者的效用线（蓝线）：从 (0,1) 递减到 (1,0)。
不当志愿者的效用线（红线）：在 0 到 1 之间，随切点升高而升高。
两条线恰好相交于一点，这个交点就是切点。

理解：切点越低，对手越不可能当志愿者，你不当志愿者的收益就越低；切点越高，对手越可能当志愿者，你不当志愿者的收益就越高。

七、均匀分布下的切点：c* = 1/2 [11:30]

本章在均匀分布特殊情形下求解。

在均匀分布下，两条曲线相交于 c* = 1/2。
于是均衡为：所有成本低于 1/2 的人当志愿者，所有成本高于 1/2 的人不当志愿者。
为什么这是均衡：
- 成本恰好等于 1/2 的类型，在当与不当之间无差异（正是两线交点）。
- 成本低于 1/2 的人，当志愿者收益严格更高（蓝线在红线之上）。
- 成本高于 1/2 的人，不当志愿者收益更高（红线在蓝线之上）。

考点：无差异点即切点。切点类型恰好对两种行动无差异，这是求解的核心方程。

八、纯策略下的「伪随机化」观察 [12:40]

本章从观察者视角理解均衡的表现。

在贝叶斯纳什均衡中，所有类型都在采用纯策略：低成本类型总是当志愿者，高成本类型总是不当。
但作为观察者，我们看不到类型抽取过程，只看到结果：玩家有时当、有时不当，看起来像在随机化。
关键区分（重点）：
- 这里的「随机化」是由自然抽取高/低成本类型引起的。
- 混合策略纳什均衡中的随机化，是玩家内生地主动抛硬币（正面选上、反面选下）引起的。
这是两种不同类型的随机化，讲师预告下一讲会揭示：混合策略纳什均衡非常接近地近似于贝叶斯纳什均衡，这是一个重大发现。

思考：这一洞见把「混合策略」重新解释为「对私人信息的不确定性」，是博弈论中「 purification（纯化）」思想的雏形。

九、一般化求解：不依赖均匀分布 [14:20]

本章用一般方法严格求解。

分布不必是均匀分布，只要满足前述要求（连续、严格递增、F(0)=0、F(1)=1）即可。
方法：寻找切点 c*，使得：
- 成本等于 c 的类型在当与不当之间恰好无差异*；
- 成本低于 c 的类型严格偏好*当志愿者；
- 成本高于 c 的类型严格偏好*不当志愿者。
由于博弈对称，寻找对称策略。

求解步骤：

写出当志愿者的效用：1 − c（c 即切点类型的成本）。
写出不当志愿者的效用：设对手以概率 P 当志愿者，则效用 = P × 1 + (1 − P) × 0 = P。
令两者相等（无差异条件）：1 − c* = P。
把 P 替换为 F(c*)：因为对手也采用切点均衡，其成本低于切点的概率就是 F(c*)，也就是对手当志愿者的概率。
得到：1 − c = F(c)。
对称均衡下双方切点相同，即 1 − c = F(c)。

核心方程：

1 − c = F(c)

考点：该方程有唯一解。因为左边 1 − c 是严格递减函数，右边 F(c) 是严格递增函数，两者恰好相交于一点。
这个交点就是无差异点，也就是切点类型。
贝叶斯纳什均衡即：所有成本低于 c 的人当志愿者，高于 c 的人不当志愿者。

推导：这正是高中代数里「严格递增函数与严格递减函数恰有一个交点」的应用，讲师幽默地提到「借质定理」（介值定理）终于派上用场。

十、总结与延伸 [16:30]

本章收尾并预告下一讲。

当有明确的累积分布函数时，就能算出切点的具体数值（均匀分布下为 1/2）。
只要分布满足要求，结果总是两条线只交于一点。
举例：把切点往旁边挪一点，参与志愿服务的人变多、不参与的人变少，但核心思路完全一样——临界点以下参与，以上不参与。
处于切点 c* 的类型对两种选择完全无差异，因此每个人都在采取最优行动。
这就是连续类型空间下计算临界点均衡的方法。

下一讲预告：混合策略纳什均衡与贝叶斯纳什均衡之间一个很漂亮的联系。

【拓展】背景知识与延伸

志愿者困境 vs 囚徒困境：囚徒困境中「背叛」是严格占优策略；志愿者困境中「不当志愿者」并非严格占优——若对手不当，你当志愿者反而更好（避免双输）。这使均衡更依赖信念。
单交叉条件（Single-Crossing）：切点均衡存在的深层数学条件。当「成本越低越愿意承担行动」时，最优反应随类型单调变化，均衡必然是切点形式。
纯化定理（Purification Theorem）：Harsanyi（1973）证明，混合策略纳什均衡可视为不完全信息博弈中贝叶斯纳什均衡的极限。本讲末尾预告的「漂亮联系」正指向此。
应用场景：志愿者困境广泛用于分析「旁观者效应」「公共品供给」「投票参与」「开源贡献」等——总有人需要先站出来，但人人都想搭便车。
计算提示：若 F 为均匀分布 U[0,1]，则 F(c)=c，方程 1−c=c 解得 c=1/2。若 F 为其他分布（如 Beta 分布），则需数值求解 1−c=F(c*)。