On Continuity of Separately Convex Preferences and Correspondences
本文证明了，较弱的单独凸性假设足以建立偏好与对应集在各种连续性公理之间的标准等价关系，从而能够在多种决策语境下推导出多线性且连续的效用表示。
原始论文根据 CC0 1.0（http://creativecommons.org/publicdomain/zero/1.0/）发布到公有领域。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下你正试图整理一座巨大且混乱的图书馆。你想找到一种方法来对书籍进行分类，使得如果你喜欢一部科幻小说和一部推理小说，你也一定会喜欢一部结合了这两者精髓的作品。在经济学和决策理论的世界中，这个想法被称为凸性（convexity）。这是数学上的一个规则，它指出“中间地带总是安全的”。如果你比起结果 B 更喜欢结果 A，凸性建议你也应该比起仅仅选择 B，更倾向于选择 A 和 B 的 50-50 混合体。这一规则是大多数现代经济理论的支柱，因为它让数学运算得以成立，使经济学家能够预测人们在市场、博弈和风险下的行为。
然而，现实生活是混乱的。有时，“中间地带”并不安全。也许你既喜欢辣的食物，也喜欢甜的食物，但两者的混合味道却糟糕透顶。在这些情况下，严格的凸性规则就失效了。几十年来，经济学家一直在为此苦恼：如果人们不遵循“安全中间”原则，我们是否还能使用这些强大的数学工具来理解他们？这篇论文进入了这个混乱的图书馆角落，寻找一种在旧规则不再适用时进行书籍分类的新方法。它提出了一个简单的问题：我们能否在放宽规则的同时，又不失去进行预测的能力，从而处理这些奇特的、非凸性的偏好？
这篇论文的作者 Aniruddha Ghosh、M. Ali Khan 和 Metin Uyanik 提出了一种聪明的变通方法，称之为分离凸性（separate convexity）。把它想象成在城市网格中导航。旧的、严格的凸性规则要求你可以在任何方向上直线行走并保持在“好”的路径上。新的“分离”规则则要宽松得多：它只要求你可以直着向南北行走并保持在好路径上，并且可以分别直着向东西行走并保持在好路径上。你并不需要能够斜着走！
论文证明了这种“网格行走”规则具有惊人的力量。尽管它比旧的严格规则是一个更弱的要求，但事实证明，它足以恢复经济学家赖以生存的所有标准数学等价关系。用通俗的话说，作者展示了如果你的偏好是“网格友好型”的（即分离凸性的），你仍然可以使用同样可靠的数学捷径来推导效用、连续性和决策问题，就像使用严格规则时一样。他们通过一系列将描述偏好“平滑性”的不同方式联系起来的数学证明来展示这一点。例如，他们表明，如果偏好在一次观察一个方向时是平滑的，并且遵循网格规则，那么它在宏观层面也是平滑的。
该论文还解决了该领域一些著名的开放性问题。它明确排除了这些新规则在所有可能的数学空间中都适用的可能性。作者提供了一个特定的反例（使用无限维空间，即拥有无限多方向的网格），以说明当空间变得过于庞大和复杂时，他们的“网格行走”魔力就会停止运作。他们证明了我们日常世界中的“有限维”特性（例如他们研究的 人博弈）对于其结果的成立至关重要。
此外，该论文将这些发现应用于现实场景，如多人博弈和不确定性下的主观决策。他们展示了通过使用分离凸性，我们可以在不需要每个人都遵循完美的、往往不切实际的凸性假设的情况下，推导出代表群体幸福感或价值的复杂效用函数（数学公式）。他们甚至展示了如何仅通过观察一个人在一次一个维度上的比较，就能恢复决策的“完备性”（即总能比较任何两个选项这一概念）。
简而言之，这篇论文并不是在说“凸性很难，让我们放弃吧”。相反，它是在说：“凸性很难，但如果我们一次只看一个方向，我们仍然可以进行数学运算。”它为经济学家和数学家提供了一个全新的、更灵活的工具箱，用于在世界并不遵循传统理论中那种整齐、直线路径的情况下，对人类行为进行建模。这些结果以严谨的数学证明呈现，为理解复杂、非凸且具有深刻人性特征的偏好提供了坚实的理论基础。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。