知识卡片：基础模型的博弈论：相似性推断揭示理性合作新路径

一句话结论

当基础模型智能体在社交困境中进行最优规划时，会稳定收敛到合作，而不是经典博弈论预测的相互背叛；这种合作源于“嵌入式贝叶斯智能体”通过相似性推断，将自己的决策过程作为他人行为的证据。

事件概述或研究问题

经典博弈论建立在“解耦能动性”（decoupled agency）假设之上，即智能体将自己的决策视为独立于环境和他人。现代基础模型智能体则同时预测自身未来行动与外部观测。本文报告了一个惊人发现：在风格化社会困境中，基础模型智能体进行最优规划时一致收敛到稳定合作，与经典博弈论“相互背叛”的预测直接矛盾。为解释这一现象，作者提出“嵌入式贝叶斯智能体”（embedded Bayesian agent）理论模型，并引入“嵌入式均衡”（embedded equilibrium）取代纳什均衡，试图为基础模型智能体的社会行为建立新的博弈论基础。

方法/产品要点

嵌入式贝叶斯智能体：将智能体建模为自身所栖居宇宙的一部分，而不是外在于环境的决策者。
智能体对自身决策算法保持认知不确定性，并利用这种不确定性进行推理。
相似性推断机制：智能体通过推断他人是否与自己行为相似，把自身的规划过程当作证据——选择合作会预测相似的合作伙伴也选择合作。
嵌入式均衡：作为替代纳什均衡的新解概念，形式化地刻画上述相似性推断下的均衡行为。

主要结果或产业意义

基础模型智能体在反复博弈中可实现稳定合作，违背经典博弈论对理性个体相互背叛的预测。
该结果对自主智能体融入社会经济系统时的安全性与合作性具有重要启示，可能为多智能体系统设计、AI 对齐和社会模拟提供新的理论工具。

为什么重要

现有博弈论框架基于“解耦能动性”假设，可能不适用于现代 AI 智能体。本文首次提出从“解耦”到“嵌入”的范式转变，为基础模型智能体的集体行为提供解释框架，并给出了一个不同于纳什均衡的理论核心。与已有基础模型相关卡片（如 SPEARBench、RMISC、MedPMC）关注数据、基准或模型能力不同，本条聚焦基础模型作为“行动者”的社会行为理论，是增量性的新方向。

局限与不确定性

具体实验设置、博弈类型、模型规模、训练细节、合作稳定性等均待核实。
论文为 arXiv 预印本（arXiv:2608.03958v1），尚未确认是否经同行评审。
原始页面未能抓取正文，以上内容仅基于元数据摘要生成。
所提出的嵌入式均衡在真实复杂环境中的适用性仍待进一步验证。

可用于图书/PPT/简报的角度

经典博弈论预测 vs 基础模型智能体实际行为的反差。
从“解耦能动性”到“嵌入式能动性”的范式转变。
相似性推断作为合作涌现的微观机制。
嵌入式均衡与纳什均衡的对比。
对多智能体安全、AI 对齐和人机协作的启示。

原始材料

英文标题：A game theory for foundation models shows new paths to rational cooperation through similarity inference
英文关键词：foundation model; game theory; cooperation; similarity inference; embedded Bayesian agent; embedded equilibrium
原始来源：https://arxiv.org/abs/2608.03958v1
说明：未能抓取正文，仅基于已知元数据生成；细节待核实。