📈 economics

Money Burning Improves Mediated Communication

本文表明，在媒介化传播中通过基于报告的销毁资金引入中间承诺，可以增强策略性说服并提高发送者的收益，尤其是在销毁预算足够大的情况下。

原作者： Yi Liu, Yang Yu

发布于 2026-06-05

📖 1 分钟阅读☕ 轻松阅读

原作者： Yi Liu, Yang Yu

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 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，你正试图说服你的一个朋友买下你的一辆二手车。你知道这辆车很棒，但你的朋友却持怀疑态度。在经济学领域，这被称为“策略性沟通”（strategic communication）。问题在于：你的朋友为什么要相信你？如果你只是说，“相信我，这是个宝贝，”他们可能会认为你在为了快点成交而撒谎。

这篇论文提出了一个奇怪的问题：做一个“浪费性”的错误，真的能帮助你说服别人吗？

作者 Yi Liu 和 Yang Yu 探讨了一个概念——“烧钱”（Money Burning）。这并不是指字面意义上的纵火焚烧现金（虽然这是个比喻），而是指通过自愿销毁价值来证明你的诚意。

以下是他们研究结果的简单拆解，使用了日常类比。

1. 三个信任等级

要理解为什么“烧钱”有效，你必须观察三种不同的承诺等级：

等级 1：“空谈”场景（无承诺）
想象你只是在闲聊。你说：“这辆车很棒！”你的朋友并不相信你，因为如果你撒谎了，你没有任何损失。如果你说：“如果我撒谎，我就烧掉 100 美元，”你的朋友可能仍然不相信你。为什么？因为如果车子真的很烂，你宁愿保留这 100 美元并让交易流产。在这里，烧钱只是一种自愿的信号，并不能真正改变结果。这就像是在憋气的同时大喊“我很认真！”；声音很大，但证明不了什么。
等级 2：“上帝模式”场景（完全承诺）
想象你有一个神奇的合同，强制要求你必须说实话。你不需要烧钱。你只需要说：“我保证，这辆车很棒，”你的朋友就会知道你必须说实话，因为你受到法律约束。在这种情况下，烧钱是毫无意义的，因为你不需要证明任何事情；你已经被锁定了。
等级 3：“智能合约”场景（中间状态承诺）
这就是奇迹发生的地方。想象你使用了一个智能合约（类似于 Web 3.0 或区块链中使用的合约）。你达成了一个协议：
1. 你向合约告知你认为汽车质量如何。
2. 合约会自动向你的朋友发送一条信息。
3. 至关重要的是： 如果你向合约撒谎，合约会自动烧掉你的一笔钱，并向你的朋友发送一个“差评”信号。
你仍然可以选择撒谎，但撒谎的后果是由机器执行的，而不是由你的意志决定的。这就是“中间”地带。你并没有被完全强迫说实话（你仍然可以选择撒谎），但机器让撒谎变得如此昂贵，以至于你决定不再撒谎。

2. 两种类型的消息

作者发现，在这个“智能合约”的世界里，最好的策略涉及两种截然不同的消息类型：

“说服型”消息（好消息）：
这些是你说真话（或提供有益信息）的消息。机器向你的朋友发送一条友好的信息，而你烧掉零元。你的朋友买了车，皆大欢喜。
“信誉型”消息（可怕的消息）：
这些是你永远不想发送的消息，但你需要它们的存在。如果机器检测到谎言，它会向你的朋友发送一条糟糕的信息，并烧掉你大量的钱。
- 为什么要这样做？ 你并不是想用这条消息让朋友买车。你是将这条消息作为一种威胁。通过准备好一个“烧钱”选项，你让“说服型”消息变得更有可信度。这就像是在口袋里揣着一个“核按钮”。你永远不会按下它，但正因为你可以按下它，才让你在说“我不会按下按钮”时，你的朋友才会相信你。

3. 重大发现：烧得越多 = 赚得越多

这篇论文的研究结果是反直觉的。通常情况下，烧钱对你的钱包是不利的。但在这种特定的“智能合约”设置下，拥有更大的可烧预算实际上会让你更富有。

逻辑是这样的： 如果你的烧钱预算很小，你的“威胁”就不够吓人。你的朋友可能仍会怀疑你会撒谎。但如果你有一个庞大的烧钱预算，你的威胁就会变得极其恐怖。你的朋友知道你绝不会为了撒谎而冒着损失这么多钱的风险。
结果： 因为威胁非常强大，你的朋友更容易相信你的“好消息”。他们会更频繁地买车，尽管你可能偶尔需要通过烧钱来维持系统的诚信，但由于你因为被信任而获得的额外销售额，足以抵消烧钱的成本。

注意： 这只有在“烧钱”行为由第三方（调解人/智能合约）强制执行时才有效。如果你必须靠自己的意志自愿烧钱，它是行不通的。

4. 现实世界案例：推销员

论文使用了推销员的例子：

推销员知道产品是“高质量”还是“低质量”。
顾客持怀疑态度。
没有烧钱： 顾客只在确信时才会购买。推销员无法说服他们。
有了烧钱（智能合约）： 推销员签署了一项协议。如果他声称是“高质量”但产品实际上是“低质量”，合同会自动从他的账户中扣除 100 美元并告诉顾客“这是一个骗局”。
结果： 推销员现在非常害怕损失这 100 美元，因此他只在情况属实时才声称是“高质量”。顾客相信了他。推销员卖出了更多的产品。尽管他面临着烧钱的风险，但由于他终于获得了信任，他的总利润反而上升了。

5. 为什么这对 Web 3.0 很重要

作者将此与 Web 3.0 和智能合约 联系起来。
未来，公司可能会使用透明的算法（智能合约）与消费者进行沟通。

公司输入数据。
算法进行检查。
如果公司试图欺骗，算法会自动罚款他们（烧掉他们的钱）并告知消费者。

论文指出，这项技术并没有赋予公司“上帝模式”（完全承诺），但它为公司提供了足够的“中间承诺”，使它们的营销变得更加有效。它填补了“空洞承诺”与“不可打破的合同”之间的鸿沟。

总结

烧钱通常是浪费行为。
但是，如果一个中立的机器（调解人）根据你的言论来强制执行烧钱，它就会变成一个强大的工具。
它创造了一个“信誉组”（可怕的威胁），使得“说服组”（好消息）具有可信度。
更多的烧钱预算 = 更多的信任 = 更多的利润。
这解释了为什么 Web 3.0 中的智能合约可以通过不强迫企业诚实，而是让撒谎变得代价高昂，从而彻底改变企业建立客户信任的方式。

技术摘要：烧钱能改善中介化沟通

1. 问题陈述

本文研究了纯粹的浪费行为——烧钱（money burning）——是否能严格提高战略性沟通中发送者（Sender）的均衡收益。虽然烧钱长期以来被视为增强信息可信度的工具，但作者区分了“可信度”与“收益提升”。在标准廉价谈话（cheap talk，无承诺）中，烧钱只能精炼现有的有影响力的均衡，但不能严格提高发送者的收益，因为烧钱的成本抵消了通过提高可信度所获得的收益。相反，在完全承诺（贝叶斯劝说/Bayesian persuasion）下，烧钱是多余的，因为发送者可以直接承诺一个信息结构。

核心问题在于，在中介化烧钱（MDMB）这一中间承诺设定下，烧钱是否具有价值。在这种设定下，发送者承诺一个中介机构，该机构将报告映射为消息和可观测的烧钱金额。发送者保留私有信息并选择其报告，但中介机构强制执行烧钱的后果。本文探讨了这种中间环境是否允许烧钱将发送者的均衡收益集扩展到标准中介化沟通（MD）或廉价谈话所能达到的范围之外。

2. 研究方法

模型设定

作者形式化了一个发送者（拥有私有类型 $\theta \in \Theta$ ）与接收者（选择行动 $a \in A$ ）之间的博弈。

透明动机： 发送者的收益 $v(a)$ 仅取决于接收者的行动，而不直接取决于类型 $\theta$ 。这意味着所有发送者类型对诱导行动的排序是相同的。
协议： 发送者承诺一个机制 $(M, S, \phi)$ ，其中 $M$ 是输入集， $S$ 是输出消息集， $\phi: M \to \Delta(S \times T)$ 将输入映射为输出消息和烧钱金额 $t \in [0, C]$ 。
均衡概念： 精确贝叶斯均衡（PBE）。

MDMB 的揭示原理（Revelation Principle）

一个关键的方法论贡献是开发了针对 MDMB 的定制化揭示原理。

挑战： 标准的揭示原理（如 Myerson 或 Forges）在此失效，因为烧钱是一个在接收者行动之前被观测到的、与收益相关的结果，这可能会传递关于发送者类型的信息。
解决方案： 作者定义了规范 MDMBs（Canonical MDMBs），其输入为类型 $\theta$ ，输出为后验概率 $\nu \in \Delta(\Theta)$ ，且烧钱金额 $x(\nu)$ 是后验概率的一个确定性函数。
分解： 任何均衡结果都可以分解为一个信号方案 $\pi$ （生成后验概率）和一个确定性的烧钱方案 $x$ 。至关重要的是，在规范形式中，烧钱金额本身不包含除后验概率之外的其他信息。

最优化程序

问题被简化为一个基于信念的程序，旨在最大化发送者的事前收益，同时满足以下约束：

贝叶斯合理性（Bayes Plausibility）： 后验概率的分布必须以先验概率为平均值。
服从性（Obedience）： 接收者对每个后验概率采取最优反应。
激励相容性（类型无差异性）： 在透明动机下，所有发送者类型必须获得相同的中间收益，以防止偏离。
预算约束： 烧金额 $x(\mu) \le C$ 。

作者引入了一个广义主观收益函数 $\hat{V}_{\lambda, C}(\mu)$ ，它结合了来自类型无差异约束的拉格朗日乘子 $\lambda$ 。这些乘子创造了后验概率上的“扭曲权重” $\omega_\lambda(\mu)$ 。

3. 核心结果

最优均衡的特征描述（定理 1）

发送者的最大均衡收益 $V^*_C(\mu_0)$ 可表征为：
$V^*_C(\mu_0) = \min_{\lambda \in \text{aff}(\Theta)} \text{cav}(\hat{V}_{\lambda, C})(\mu_0)$
其中 $\text{cav}$ 表示凹包。最优机制将后验概率分为两类不同的组，基于扭曲权重 $\omega_\lambda(\mu)$ 的符号：

劝说组 ( $\omega_\lambda(\mu) > 0$ )： 发送者不烧钱，并诱导接收者做出对发送者最有利的最优反应。
获取可信度组 ( $\omega_\lambda(\mu) < 0$ )： 发送者烧掉最大预算 $C$ ，并诱导接收者做出对其最不利的最优反应。这些消息本身并不用于直接劝说，而是作为一种惩罚机制来约束偏离行为，从而使劝说组实现激励相容。

沟通效率的严格提升（定理 2 与命题 3）

论文证明了烧钱在通常情况下能改善中介化沟通：

定理 2： 在接收者收益函数满足泛型条件（假设 1）的情况下，如果烧钱预算 $C$ 超过了行动收益的范围，那么增加预算将严格提高发送者的收益，除非 MDMB 的价值坍缩至廉价谈话基准。
含义： 如果烧钱不能提高收益，那么带有烧钱功能的中介化沟通相对于廉价谈话并无优势。因此，烧钱不仅仅是一种精炼手段；它扩展了均衡收益集。
命题 3： 如果承诺具有价值（即 $V^*_0(\mu_0) > V^*_{CT}(\mu_0)$ ），则对于几乎所有的先验概率，一旦预算足够大，烧钱会严格提高发送者的收益。

无限预算下的价值（命题 4）

当预算 $C \to \infty$ 时，负向部分的拉格朗日乘子趋于零。MDMB 的极限值等于：
$V^*(\mu_0) = \min_{\lambda \in \Delta(\Theta)} \text{cav}(\hat{V}_{\lambda})(\mu_0)$
这等同于一个具有完全承诺能力的谨慎发送者在最大化其跨类型的最小中间收益（最大最小劝说）时的收益。这也等于在最差主观先验下进行贝叶斯劝说的发送者收益。

在 Web 3.0 中的应用（命题 7 与推论 6）

作者将该框架应用于 Web 3.0 环境（智能合约、透明算法）。

他们定义了承诺的精炼价值（refined value of commitment），即贝叶斯劝说与 MDMB 之间的差距（ $V^*_{BP} - V^*$ ）。
结果： 当传统的承诺价值（贝叶斯劝说与廉价谈话之间的差距）为正时，精炼的承诺价值也为正。
结论： 算法化中介和可强制执行的烧钱可以减轻由于缺乏完全承诺而导致的损失，但通常无法完全消除这种损失。

4. 重要性与主张

本文解决了烧钱的浪费性与其提升沟通效率潜力之间的矛盾。

中间承诺： 本文的主要贡献在于识别出烧钱在中间承诺阶段具有价值。它既需要足够的承诺度以实现强制执行（通过中介机构），又不足以消除报告动机。
机制设计： 论文展示了烧钱如何作为中介机制内部的一种激励工具。通过在特定的“获取可信度”消息上牺牲资源，发送者可以约束偏离行为，并在不耗尽全部盈余的情况下，使“劝说”消息具有可信度。
与廉价谈话的对比： 与廉价谈话不同（在透明动机下，烧钱是一种无法严格提高收益的自愿信号），MDMB 允许烧钱成为一种可强制执行的后果。这一区别使得烧钱能够扩展均衡收益集，而不仅仅是精炼现有的均衡。
稳健性： 其结果为最大最小劝说目标提供了微观基础，并将中介化烧钱与异质先验下的稳健贝叶斯劝说联系起来。

作者对研究范围保持了审慎态度，指出其结果依赖于透明动机假设。他们承认，在具有状态相关偏好的环境中，烧钱与激励之间的相互作用可能有所不同，并将研究范围扩展到透明动机之外是未来的研究方向。