💰 quantitative finance

Nash without Numbers: A Social Choice Approach to Mixed Equilibria in Context-Ordinal Games

本文通过将数值效用替换为经由社会选择理论聚合的序数偏好排序，将纳什均衡推广至“情境序数”博弈，从而确立了直接源于人类偏好而无需精确效用提取的均衡的存在条件、复杂度界限及学习规则。

原作者： Ian Gemp, Crystal Qian, Marc Lanctot, Kate Larson

发布于 2026-05-11

📖 1 分钟阅读☕ 轻松阅读

原作者： Ian Gemp, Crystal Qian, Marc Lanctot, Kate Larson

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，你正在试图找出像“石头剪刀布”这样的游戏中最佳的一步棋，但你没有记分牌。你不知道获胜得"10 分”、失败得"0 分”。你只知道自己的感受：“我更喜欢赢而不是平局，更喜欢平局而不是输。”

几十年来，博弈论（策略的数学）一直受困于此。著名的“纳什均衡”——即无人愿意改变其策略的状态——通常要求知晓那些精确的分数值。如果没有这些数字，数学模型就会失效。

这篇题为《无数字的纳什》（"Nash without Numbers"）的论文提出了一种巧妙的解决方法。它建议我们停止试图编造虚假的数字，转而利用投票理论（社会选择）的工具来寻找最佳策略。

以下是他们想法的分解，使用简单的类比：

1. 问题：“沉默”的游戏

在正常游戏中，如果你的对手 25% 的时间出石头，30% 出布，45% 出剪刀，你会计算你每种可能移动的“预期得分”。然后你选择得分最高的那个。

但在这种新设定下，你无法计算得分。你只有一份偏好列表。如果对手出石头，你可能会说：“我更喜欢布胜过剪刀胜过石头。”如果对手出布，你可能会说：“我更喜欢剪刀胜过石头胜过布。”

旧数学问：“平均得分是多少？”
新数学问：“如果我们在所有这些不同情境中进行投票，谁会获胜？”

2. 解决方案：“大众投票”隐喻

作者设想了一个场景，其中对手的混合策略（他们随机混合的移动）创造了一个选民群体。

类比：想象对手的策略是一份天气预报。25% 晴天，30% 多云，45% 雨天。
投票：对于每种天气类型，你对穿什么有不同的偏好。
- 如果是晴天，你投票：“短裤 > 牛仔裤 > 大衣。”
- 如果是多云，你投票：“牛仔裤 > 短裤 > 大衣。”
- 如果是雨天，你投票：“大衣 > 牛仔裤 > 短裤。”
选举：现在，想象一场大规模选举，其中 25% 的选民是“晴天选民”，30% 是“多云选民”，45% 是“雨天选民”。
获胜者：你不计算平均温度。相反，你在这个群体上运行一个投票规则（如博尔达计数法或最大概率法）。赢得选举的物品就是你的“最佳应对”。

这篇论文称之为情境序数纳什均衡（Context-Ordinal Nash Equilibrium）。这是一个稳定状态，在这种状态下，如果每个人都玩他们的“投票获胜者”，就没有人有动力改变策略。

3. 为何重要：现实世界的人类

论文认为，这就是人类在许多情况下的实际思维方式。

选举：选民通常不会说：“我给候选人 A 打 8.4 分，给候选人 B 打 7.9 分。”他们只是排名：“A > B > C。”
AI 评估：在测试 AI 智能体时，我们通常只知道某个智能体在特定游戏中“更好”，但没有通用的记分牌来在所有游戏中比较它们。

作者在两个现实世界场景中测试了这种方法：

视频游戏智能体：他们评估了玩 Atari 游戏的 AI 智能体。他们没有使用原始分数，而是根据智能体在不同任务中的表现对它们进行排名。他们的新方法发现了一个稳定的“最佳”智能体组合，该组合对任何对手都具有鲁棒性。
人类领导选举：他们分析了“海上迷失”实验中群体选举领导人的数据。他们发现，人类通常没有以符合完美均衡的方式投票（他们犯了错误或以令人困惑的方式采取策略行动）。然而，他们的新数学可以成功计算出在那个混乱的现实世界场景中，“完美”的策略性投票会是什么样子。

4. “正则化”技巧

一个技术障碍是投票可能是“跳跃式”的。如果多一个人改变投票，获胜者可能会突然从候选人 A 翻转到候选人 B。这使得学习或寻找均衡变得困难。

作者引入了一种“正则化”技巧。将其想象为在投票过程中添加一点点噪音或混乱。

想象偶尔会有选民感到困惑，随机投票给某个选项，或者“天气预报”稍微有些模糊。
这平滑了“跳跃”，使投票结果逐渐变化而不是突然变化。这使得计算机能够使用标准的学习算法（如梯度下降）来寻找均衡，就像它们在带有数字的游戏中所做的那样。

总结

这篇论文用"运行加权选举"取代了"计算平均得分"的概念。

旧方法：“如果我出石头，我平均得到 5.2 分。”
新方法：“如果我出石头，并且我们根据对手的出招方式进行投票，石头将赢得选举。”

通过这样做，他们创造了一种新型纳什均衡，即使玩家只有排名而没有数字也能发挥作用，证明了即使无需给赢或输分配具体数值，也能找到稳定、理性的策略。

技术摘要：无需数字的纳什均衡：一种面向情境序数博弈中混合均衡的社会选择方法

问题陈述

经典博弈论依赖于纳什均衡（NE），这一概念从根本上建立在最大化期望数值效用的基础之上。然而，在许多战略场景中——例如选举、人类偏好 elicitation（elicitation）以及智能体评估——精确的基数效用往往不可用或难以 elicitation。虽然参与者通常能够提供结果的序数排名，但当其他参与者采用混合（概率）策略时，标准定义的“最佳响应”（即最大化期望效用）会变得定义不清。此前试图解决这一问题的方案要么用可能性理论取代概率论，要么引入需要第三方协调员的中介均衡，要么将分析限制在纯策略上。核心挑战在于定义一种仅依赖序数偏好、且无需假设可获取底层基数效用的混合策略均衡。

方法论

作者提出了一个情境序数博弈（COG）框架以及相应的情境序数纳什均衡（CO-NE）。

1. 情境序数博弈（COG）

与传统序数博弈（OG）中参与者对联合结果进行全局排名不同，COG 假设参与者仅能根据其他参与者的具体联合行动，对其自身行动进行条件排名。

定义：COG 是一个元组 $\langle N, A, \rho \rangle$ ，其中 $\rho_i$ 将其他参与者的联合行动 $a_{-i}$ 映射为参与者 $i$ 对其行动集 $A_i$ 上的偏好关系。
基于社会选择的最佳响应：为了针对混合策略 $x_{-i}$ 定义最佳响应，作者聚合了由每一个可能的 $a_{-i}$ 生成的“选票”（序数排名），并以其概率 $x_{-i}(a_{-i})$ 作为权重。这形成了一个选票群体。随后，对该群体应用**双重概率社会选择函数（dpSCF）**以确定获胜行动集合。
CO-NE：如果每个参与者的混合策略仅将质量（mass）分配给那些根据其他参与者策略生成的选票所适用的 dpSCF 判定为获胜的行动，则该策略组合 $x$ 构成一个 CO-NE。

2. 存在性与正则化

存在性：作者在温和条件下证明了混合 CO-NE 的存在性。他们表明，如果 dpSCF 是上半连续的（u.h.c.），则通过 Kakutani 不动点定理存在不动点。他们指出，许多标准投票规则（例如 Borda 计数、最大彩票、评分规则）在被视为返回分布而非单一获胜者时，满足这一条件。
正则化：为了确保连续性并实现单值化（便于学习），作者引入了正则化最佳响应。这涉及：
1. 扰动：随机将一部分比例为 $p$ 的选票群体替换为“篡位者”选票（其中采样行动被排为首位）。
2. 平滑：对其他参与者的策略分布 $x_{-i}$ 应用狄利克雷扰动，以处理平局处的不连续性。
  这种正则化确保了最佳响应算子是连续且单值的，从而使得基于梯度的学习成为可能。

3. 学习与近似指标

由于缺乏效用，传统的可剥削性指标无法直接使用。本文引入了以下指标：

策略空间距离：衡量参与者当前策略与最佳响应集合之间的距离（例如，地球移动距离）。
后见之明胜率：一种元博弈分析，将在线策略与通过投票规则聚合的固定后见策略进行比较。
扭曲界限：本文推导了 CO-NE 相对于经典纳什均衡（如果存在效用）的次优性界限。结果表明，加性扭曲受投票规则本身的扭曲所限制，并按不同其他参与者行动间的收益总和变化进行缩放。

主要贡献

纳什均衡的推广：本文首次定义了仅基于序数偏好运作的概率混合策略纳什均衡，推广了经典纳什均衡。
理论存在性：它在社会选择函数的标准条件下确立了此类均衡的存在性，架起了博弈论与社会选择理论之间的桥梁。
算法框架：它开发了学习规则（特别是正则化领导者跟随，FTRL）和正则化技术以计算这些均衡，解决了不连续投票规则带来的计算挑战。
复杂性分析：作者证明，计算 CO-NE 通常不是多项式时间可解的（在特定设置下为 NP 难），这与一些通过牺牲传统因子化结构来寻求 P 类均衡的先前工作形成对比。
扭曲分析：它量化了使用序数信息而非基数效用的成本，提供了关于最优性损失的理论界限。

结果与应用

作者通过两个不同的应用验证了其理论：

通用智能体评估（Atari）：
- 设置：使用性能矩阵评估智能体与一组任务，其中智能体和任务被视为参与者。
- 方法：智能体和任务被作为 COG 中的参与者处理。“收益”被序数排名（例如基于四分位数的等级）所取代。
- 结果：利用带有社会评分函数（SGF）和 Borda 计数的 FTRL，作者计算出了 CO-NE。结果表明，即使在对抗性任务分布下，"Rainbow"智能体也展现出最强的实力，证明了其鲁棒性。学习曲线显示了收敛性和低可剥削性。
人类选举数据（海上迷失）：
- 设置：分析来自“海上迷失”领导者选择任务的人类数据，涉及 115 个小组共 460 名参与者。参与者提交领导意愿分数及队友排名。
- 方法：选举机制被建模为随机 COG。作者分析了人类行为是否构成 CO-NE。
- 结果：约 30% 的选举表现出纯最大彩票纳什均衡策略组合。在剩余的 70% 中，人类显示出偏离的动机（例如，策略性地降低领导意愿分数以操纵决选）。作者成功计算了特定选举的极限对数几率均衡（LLE），揭示了与 CO-NE 理论一致的战略行为（例如，一名参与者退出竞选以引导结果朝向其偏好的候选人）。

意义与主张

本文声称提供了一种纳什均衡的推广，可直接应用于 elicitation 偏好，而 elicitation 偏好是人类互动的基本数据。通过将期望效用最大化替换为社会选择聚合，该框架允许在数值效用未知或不存在的场景中进行均衡分析。

作者强调，他们的方法：

不需要发现底层基数效用。
保持了传统混合策略的因子化结构（不同于中介均衡）。
对效用的错误设定具有鲁棒性，只要序数排名保持一致。
为分析选举中的战略行为以及评估 AI 智能体提供了理论和实践工具，而无需依赖任意的数值评分。

这项工作将自己定位为博弈论中一种“无需数字的数学”方法，利用数百年的社会选择理论来解决序数环境下的均衡问题。