想象一下，你是一位正在商业和学校领域进行的巨大、隐形游戏中的裁判。在这场游戏中，玩家（比如试图变得环保的企业，或试图考入名校的学生）会采取隐藏的行为来提升自己的表现。一名裁判（比如评级机构或考试评分员）会观察到一个关于玩家有多努力的带有噪声的线索，而真正的受众（投资者或大学）只能看到裁判给出的最终得分。棘手之处在于，玩家很聪明；他们知道裁判的规则，并可能试图“操纵系统”，通过伪造努力或只专注于能获得高分的指标，而不是真正做实事。这就是**信息设计（information design）和道德风险（moral hazard）**的世界。“道德风险”只是一个高级说法，意思是在人们认为自己不会被抓到时，可能会偷懒或作弊；而“信息设计”则是决定揭示多少信息才能让大家保持公平的艺术。核心问题是：裁判应该展示玩家表现的所有细节，还是应该隐藏一部分信息以保持玩家的积极性？

这篇题为《道德风险下的最优评级设计》（Optimal Rating Design under Moral Hazard）的论文深入探讨了这个问题。作者玛丽亚姆·赛迪（Maryam Saeedi）和阿里·舒里德（Ali Shourideh）扮演着顶级游戏设计师的角色，试图弄清楚完美评级规则手册的样貌。他们发现，并没有一种“一劳永逸”的答案。有时，展示一切是最好的；但通常情况下，最聪明的做法是进行审查（censor）——这意味着有意识地模糊某些结果之间的界限。他们发现，最佳的审查方式完全取决于玩家的努力如何改变成功的概率。如果努力工作会让“全垒打”更有可能发生，但也让“三振出局”更有可能发生，那么最好的评级系统应该隐藏糟糕的结果（低端审查）以鼓励冒险。相反，如果努力工作只是让结果变得更稳定、风险更小，那么系统应该隐藏惊人的结果（高端审查）以防止消极怠工。他们甚至展示了在复杂的情况下，即玩家可以通过伪装努力来获得好分（被称为“粉饰太平/window dressing”）时，裁判有时应该完全隐藏中间分数，以阻止这些伪装者。

隐藏努力与噪声线索的游戏

为了理解这篇论文，让我们先设定一个简单的场景。想象一位面包师想要卖出镇上最好的面包。面包师可以选择努力工作（使用优质面粉并揉面数小时），或者走捷径（使用廉价面粉和机器）。镇上的顾客（市场）想要好面包，但他们看不见面包师的双手；他们只能品尝到最终的面包。一家评级机构（中间人）观察着面包师，并看到了一个“线索”——也许是厨房的味道或面包皮的颜色。这个线索是有噪声的：好闻的味道并不保证面包一定好，坏的味道也并不保证面包一定差。

评级机构有一个选择：告诉顾客线索的具体内容，还是给他们一个模糊的总结，如“好”、“还可以”或“差”。面包师知道机构的规则。如果机构太严苛，面包师可能会放弃；如果机构太宽松，面包师可能会停止努力，转而只求看起来不错。机构想要设计一种评级系统，引导面包师尽可能努力工作，或者或许是为了帮助那些表现不佳的面包师生存下去，亦或是为了阻止面包师通过伪装来骗取“好”的评级。

论文的核心技巧在于意识到，评级系统不仅给出一个分数，它还为面包师的努力创造了一个价格。如果评级是“好”，面包师就能为他们的面包卖出高价；如果是“差”，则价格较低。面包师根据如果努力工作预期能多赚多少钱，来决定投入多少努力。作者引入了一个巧妙的概念——中间价格（interim prices）。你可以把它理解为面包师的“二次揣测”信念。在最终评级出来之前，面包师会想：“如果我闻到了好味道，顾客最终会怎么看我？”论文证明，如果评级系统是公平的（即更高的气味总是导致更高的预期价格），那么可能的评级系统集合仅限于那些“平滑处理”原始线索剧烈波动的系统。你无法创造一个让价格波动比原始线索更剧烈的评级系统；你只能将其平均化。

隐藏真相的魔力

这篇论文最令人兴奋的部分是它如何回答：“何时应该隐藏真相？”作者发现，答案取决于面包师的努力如何改变可能结果的“形状”。他们确定了三种主要情况，分别称为 MLRP、ELRP 和 CLRP。

1. 标准情况 (MLRP)：展示一切！
在经典的教科书世界里，如果面包师更努力，面包就会在各个层面都变得更好。一个努力工作的面包师，无论从哪个角度看，都更有可能做出极好的面包，且更不可能做出糟糕的面包。论文证实，在这个枯燥且可预测的世界里，最好的评级系统是充分披露。你应该告诉顾客一切。为什么？因为如果你隐藏了差的面包，你可能会无意中隐藏了面包师其实正在努力的事实。如果你隐藏了好的面包，你就剥夺了他们努力的奖励。因此，在这种标准情况下，透明度才是王道。

2. 风险创新者 (ELRP)：隐藏灾难！
现在，想象面包师是一位创新者。他们正在尝试一种疯狂的新配方。如果他们努力工作，他们可能会创造出传奇般的、世界闻名的面包（巨大的成功），但也可能烧毁整批面包（巨大的灾难）。如果不努力，他们只会得到一个平庸的面包。在这种情况下，努力工作会扩大分布的尾部：它让最好的结果和最坏的结果都变得更有可能。这就是扩张似然比属性 (ELRP)。

论文建议，在这种情况下，最好的评级系统是低端审查。这意味着机构应该隐藏那些极其糟糕的结果。如果面包师烧焦了面包，机构应该只说“嗯，不太好”，但不应揭露具体的灾难细节。为什么？因为如果面包师知道彻底的失败会被公开羞辱，他们可能会因为害怕而不敢尝试新的风险配方。通过将糟糕的结果合并在一起并给出一个“安全”的平均评级，机构为面包师提供了应对下行风险的保险。这鼓励了面包师去冒险并努力工作，希望能收获传奇般的产品。这就像父母告诉孩子：“如果你尝试造这枚火箭而它爆炸了，我们就只说这是一次学习经历，”这样孩子就不会因为害怕而不敢点火。

3. 谨慎的维护者 (CLRP)：隐藏奇迹！
另一方面，想象一位只想确保面包“稳定性”的面包师。如果他们努力工作，他们就会减少失误。他们不会做出更传奇的面包，但会停止做出烧焦的面包。努力工作会将分布向中间压缩。这是压缩似然比属性 (CLRP)。

在这里，论文主张高端审查。机构应该隐藏那些极其出色的结果。如果面包师偶然做出了完美的面包，机构应该只说“很好”，而不必揭露这是一个奇迹。为什么？因为如果面包师知道完美的面包会获得丰厚回报，他们可能会倾向于投机取巧，寄希望于运气。但如果机构隐藏了顶级的奖赏，面包师就会意识到，获得“好”评级的唯一途径是保持一致性并避免“差”的评级。通过隐藏高分，机构可以遏制那种“不作为”或“不稳定”的行为，因为如果他们不作为，可能会意外产生一个烂面包，而那个烂面包会被揭露并受到惩罚。这就像一位老师隐藏了“A+”的分数却展示了“F”的分数，迫使学生专注于“不失败”，而不是寄希望于好运。

粉饰太平的陷阱

论文还处理了一个狡猾的问题：粉饰太平 (window dressing)。这发生在玩家可以做一些在评级上看起来很好、但实际上对市场并无实质帮助的行为时。例如，一家公司可能会花费巨资进行一场华丽的广告宣传（粉饰太平）来让其 ESG 评分看起来很棒，同时却忽略了实际的环境破坏。或者，一个学生可能会死记硬背测试答案，而不真正掌握知识。

作者发现，即使评级系统在衡量努力方面是完美的，如果玩家可以“伪造”信号，系统仍然会出错。他们引入了一个规则，叫做单调相对信息量 (MRIP)。这是一种高级说法，意思是：“高分意味着玩家做了真正的工作，还是仅仅做了虚假的工作？”

如果高分总是更有可能来自虚假的工作，那么最好的评级系统是高端审查（隐藏高分）。这能阻止伪装者通过诡计获得巨大的回报。如果高分总是更有可能来自真实的工作，那么最好的系统是低端审查（隐藏低分）以鼓励真实的劳动者。这里的关键洞察是：你不需要改变整个系统，你只需要审查那些伪装者擅长操控的特定分数部分。这就像老师意识到一个学生擅长猜选择题答案但不会写作文，老师可能会决定隐藏选择题的分数，只显示作文的分数，从而获得学生真实知识水平的真实画像。

中间地带：再分配测试

最后，论文研究了一个不同的目标：再分配 (redistribution)。想象一个想要帮助弱势学生的学校系统。学校知道有些学生面临更多困难（比如他们没有安静的学习环境），所以他们必须付出两倍的努力才能获得同样的分数。学校想要设计一种测试，既能鼓励每个人努力，又能给挣扎中的学生提供助力。

作者发现，在这种情况下，最优测试可能会使用中间审查 (mid-censorship)。这是一个奇特的中间地带，测试会隐藏中间分数，但揭示极高和极低的分数。为什么？因为如果你隐藏了中间部分，你就能防止那些挣扎中的学生因为一个无法反映其努力程度的“平庸”分数而感到沮丧。同时，你保留了高分以奖励顶尖表现者，并保留了低分以保持大家的动力。这是一种平衡的艺术：你合并“还可以”的结果以体现仁慈，但保持极端值的锐利以维持追求卓越的动力。

大局观

论文得出结论，并没有单一的“最佳”评级系统。完美的评级设计完全取决于被评定的工作的性质。

• 如果工作是常规且可预测的，请展示一切。
• 如果工作是具有风险性和创新性的，请隐藏失败以鼓励大胆尝试。
• 如果工作是关于一致性和安全性，请隐藏奇迹以遏制不作为。
• 如果工作中涉及伪造，请隐藏那些伪装者可以操纵的分数。
• 如果目标是公平性，请隐藏中间地带以保护弱势群体。

作者通过数学方法证明了这些结果，表明这些“审查”策略不仅仅是猜测，而是从复杂方程中推导出的最优解。他们表明，最好的评级系统通常是简单的、确定性的规则：“如果分数低于 X，就说是‘差’；如果在 X 和 Y 之间，就说是‘一般’；如果在 Y 以上，就说是‘好’。”但其中的魔力在于你如何划定这些界限。通过理解努力如何改变成功的概率，我们可以设计出不仅能衡量表现，而且能真正“创造”更好表现的评级系统。

在一个充满了各种评级的世界里——从亚马逊评论到大学录取，再到 ESG 评分——这篇论文为监管者和设计者提供了一个工具包。它表明，当我们看到一个似乎在隐藏真相的评级系统时，它可能不是一个错误或阴谋，而可能是最聪明的做法。