技术摘要：说服对接收者偏好的稳健性

1. 问题陈述

本文研究了贝叶斯说服框架（Kamenica 和 Gentzkow [15]）在面对接收者偏好不确定性时的稳健性。标准的贝叶斯说服假设发送方和接收方对接收方的效用函数拥有共同知识。然而，在实践中，发送方（以及建模者）可能仅拥有对这些偏好的不精确知识。

作者区分了两个概念上不同的稳健性概念：

1. 连续性：建模者缺乏对接收者偏好的精确知识（建模为无穷小的、非概率性的/奈特式不确定性），但发送方拥有完全知识。如果建模者基于“真实”基准模型做出的预测在这种无知下仍然准确，则模型是连续的。
2. 稳健性：发送方也缺乏对接收者偏好的精确知识。发送方必须在不知道确切接收者类型（仅知其在某个小区间内）的情况下选择信号策略。假设发送方根据最大最小效用（最大化最坏情况下的期望效用）或遗憾最小化（最小化最坏情况下的遗憾）行事。如果在这种无知下的结果与所有信息均为共同知识的基准结果接近，则模型是稳健的。

核心问题是：当接收者偏好受到微小的非概率性不确定性影响时，标准结论——即发送方的最大效用等于其间接效用函数的凹包络——是否仍然成立。

2. 方法论

模型设定

作者将标准贝叶斯说服模型 $G = \{\Omega, A, \mu_0, u, v\}$ 扩展为$\delta$-BP 模型。

• 状态空间：$\Omega$（有限），先验 $\mu_0$。
• 行动：$A$（有限）。
• 不确定性：接收者对任何行动 $a$ 和状态 $\omega$ 的效用 $u_\theta(a, \omega)$ 未知，但位于长度为 $\delta$ 的区间 $[u_{a,\omega}, \bar{u}_{a,\omega}]$ 内。可能的接收者类型集合 $\Theta$ 对应于这些区间内所有可能的效用分布。
• 无知状态下的发送方行为：
  • 最大最小：发送方选择 $\pi'$ 以最大化 $\min_{\theta \in \Theta} E v_\theta(\pi')$。
  • 遗憾最小化：发送方选择 $\pi^*$ 以最小化 $\max_{\theta \in \Theta} [E v_\theta(\text{opt}(\theta)) - E v_\theta(\pi)]$。

技术工具

• 最佳反应区域的几何分析：作者分析了接收者最佳反应对应关系 $B_\theta(a) = \{\mu : a \in \text{opt}_A^\theta(\mu)\}$ 的稳定性。他们利用了效用参数微小扰动下的外半连续性（集合不会发生不连续的扩张）和内半连续性（集合不会发生不连续的收缩）性质。
• 调整信号策略：采用了一种技术装置（受 Kamenica 和 Gentzkow [15] 以及 Lipnowski 等人 [19] 启发）。如果某策略对参考类型 $\theta_0$ 是最优的，作者通过调整后验信念并添加一个抵消信念以维持先验约束，为邻近类型 $\theta$ 构建了一个“扰动”策略。这使得能够界定因类型不匹配而造成的效用损失。
• 字典序扰动：为了处理接收者在多个行动（重复行动）之间无差异的情况，作者构建了“伪类型”，强加特定的平局打破规则（例如，强制接收者在无差异选项中选择发送方最不偏好的行动），以证明必要性。

3. 主要贡献与结果

3.1 连续性与稳健性的等价性

定理 1 确立了一个基本等价关系：

• 一个贝叶斯说服模型是连续的，当且仅当它是稳健的（在最大最小和遗憾最小化标准下均成立）。
• 这意味着，如果建模者由于微小的无知（缺乏连续性）而无法准确预测结果，那么在该相同无知下行事的发送方也将无法实现基准结果（缺乏稳健性）。

3.2 稳健性的刻画

本文基于参考类型 $\theta_0$ 处接收者最佳反应区域的几何结构，提供了连续性和稳健性的必要和充分条件。

• 充分条件（命题 1）：如果在 $\theta_0$ 处存在一个最优信号策略，使得其支撑中的每个后验信念 $\mu_i$ 所诱导的行动 $a_i$ 满足以下条件，则该模型是稳健的：
  1. 性质 U1：该行动对接收者而言不是“重复”的（即不存在另一个行动 $b$ 使得对所有 $\omega$ 都有 $u_{\theta_0}(a, \omega) = u_{\theta_0}(b, \omega)$），或者如果存在重复行动，发送方在该信念下对它们无差异（$U^S_1$）。
  2. 性质 U2：最佳反应区域 $B_{\theta_0}(a_i)$ 具有满维数（$N-1$）。
• 必要条件（命题 2）：如果这些条件对每一个最优策略都不成立，则该模型既不连续也不稳健。具体而言，随着 $\delta \to 0$，发送方的效用会下降一个远离零的常数量。

失效机制：

• 违反 U2（低维区域）：如果最优策略依赖于某个信念，在该信念下接收者在行动间的无差异导致最佳反应集合维度降低（例如，退化为单点），那么微小的扰动可能导致该行动完全从接收者的最佳反应中消失。
• 违反 U1（重复行动）：如果接收者拥有重复行动（对它们无差异）且发送方严格偏好其中之一，微小的扰动可能会以不利于发送方的方式打破平局。在不了解确切平局打破规则的情况下，发送方无法保证获得其偏好的行动。

3.3 一般性

定理 2 指出，连续性和稳健性一般性地成立。

• 将效用值视为从 $[0, 1]$ 均匀分布中随机抽取的随机变量，满足稳健性条件的模型集合的测度为 1。
• 这一结果基于这样一个事实：条件“每个接收者最优行动在某个信念下是唯一最优的”（Lipnowski 等人 [19]）是一般性的，这意味着由最优策略诱导的行动满足 U1 和 U2。

4. 意义与主张

本文主张，虽然贝叶斯说服中特定的、处于“刀锋边缘”的实例对接收者偏好的不确定性是脆弱的，但典型实例是稳健的。

• 理论含义：只要模型在结构上非退化（即不依赖于低维无差异集或重复行动中的发送方偏好平局打破），标准凹包络结果并非源于对偏好共同知识的强假设的产物。
• 方法论贡献：这项工作弥合了信息设计中“连续性”（建模者视角）与“稳健性”（发送方战略视角）之间的鸿沟，表明它们在无穷小奈特式不确定性下是等价的。
• 行为假设：无论无知的发送方采取最大最小策略还是遗憾最小化策略，结果均成立，从而在说服背景下统一了这两种决策理论方法。

作者明确指出，其结果适用于有限消息空间模型，并可扩展至大消息空间（附录 A）。他们并未声称所有说服模型都是稳健的，而是指出非稳健模型集合在效用分布空间中是一个零测集。