Converging Better Response Dynamics in Sender-Receiver Games

3.1 嫉妒（Envy）与左侧激励相容（L-IC）定义

为追踪分划在动态调整过程中的微观激励变化，定义博弈方之间的“嫉妒”关系与单向激励相容性：

【定义 2（嫉妒, Envy）】：设 $\Pi$ 为 $\Theta$ 的一个区间分划，$\pi$ 为 $\Pi$ 中的一个单元：

（1） 若 $U_{\theta}\left( y_{\pi} \right)\ > \ U_{\theta}\left( y_{\pi(\theta)} \right)$，则称类型 $\theta$ 嫉妒单元 $\pi$；

（2） 若类型 $\theta$ 嫉妒包含类型 $\theta'$ 的单元 $\pi(\theta')$，则称类型 $\theta$ 嫉妒类型 $\theta'$。

依据单调交叉条件，分划 $\Pi$ 满足 IC 当且仅当没有任何类型存在嫉妒；进一步，分划存在嫉妒当且仅当存在某个单元的边界类型嫉妒其相邻单元。

【定义 3（左侧激励相容, Left-Incentive Compatibility, L-IC）】：若在区间分划 $\Pi$ 中，没有任何类型嫉妒其左侧的相邻单元，则称分划 $\Pi$ 为左侧激励相容（L-IC）分划。

在 L-IC 分划中，所有可能的偏离动机均表现为单向的“向右嫉妒”（即由于发送者的正向偏差 $b_{\theta}\ > \ 0$，高收益往往位于右侧更高的决策值）。最精细分划 $CR$ 天然满足 L-IC。

3.2 嫉妒算子 $Env$ 与基础算法流程

【定义 7（嫉妒算子, Envy Operator）】：给定 L-IC 分划集合 $E$，集合 $Env(E)$ 包含由 $E$ 中分划经一步嫉妒调整后得到的新分划族：

1. 若 $\Pi\ \in \ E$ 已经是 IC 分划，则直接将 $\Pi$ 加入 $Env(E)$；

2. 若 $\Pi\ = \ \left\{ \pi_{1},\ \ldots,\ \pi_{n} \right\}$ 不是 IC 分划，则对所有满足其最大类型 $max\ \pi_{k}$ 嫉妒右侧相邻单元 $\pi_{k + 1}$ 的单元 $\pi_{k}$（$k\ \in \ \left\{ 1,\ \ldots,\ n - 1 \right\}$）：

• 若 $\pi_{k}$ 为单点集，将分划 $\left\{ \pi_{1},\ \ldots,\ \pi_{k - 1},\ \left\{ max\ \pi_{k} \right\}\ \cup \ \pi_{k + 1},\ \ldots,\ \pi_{n} \right\}$ 加入 $Env(E)$；

• 若 $\pi_{k}$ 包含多个元素，将分划 $\left\{ \pi_{1},\ \ldots,\ \pi_{k - 1},\ \pi_{k}\ \smallsetminus \ \left\{ max\ \pi_{k} \right\},\ \left\{ max\ \pi_{k} \right\}\ \cup \ \pi_{k + 1},\ \ldots,\ \pi_{n} \right\}$ 加入 $Env(E)$。

基础算法执行机制如下：从完全揭示分划 $\Pi_{0}\ = \ CR$ 出发。在第 $r$ 步，若当前分划 $\Pi_{r}$ 尚未达到 IC，必存在某个单元的最大元素 $\overset{\sim}{\theta}$ 嫉妒其右侧相邻单元，令 $\overset{\sim}{\theta}$ 跨入右侧单元生成 $\Pi_{r + 1}$，接收者仅需重新计算至多两个新单元的最优行动。系统不断迭代，直至不存在嫉妒。

3.3 引理 1 的严格数理推导：L-IC 性质的动态不变性

【引理 1】：若分划 $\Pi$ 为 L-IC，则 $Env(\Pi)$ 中的每一个分划亦必定为 L-IC。

【数理推导与严格证明】：

设 $\Pi$ 为 L-IC 分划。若 $\Pi$ 已为 IC，则 $Env(\Pi)\ = \ \left\{ \Pi \right\}$，结论平凡成立。若 $\Pi$ 非 IC，设 $\Pi\ = \ \left\{ \pi_{1},\ \ldots,\ \pi_{n} \right\}$，经一步转移得到 $\Pi_{1}\ \in \ Env(\Pi)$，其中位于单元 ${\overset{\sim}{\pi}}_{k}$ 的最大类型 $\overset{\sim}{\theta}\ = \ max\ {\overset{\sim}{\pi}}_{k}$ 嫉妒右侧单元 ${\overset{\sim}{\pi}}_{k + 1}$ 并跨入其中。新分划记为 $\Pi_{1}\ = \ \left\{ \pi_{1}^{1},\ \ldots,\ \pi_{n_{1}}^{1} \right\}$。

由于 $\overset{\sim}{\theta}\ = \ max\ {\overset{\sim}{\pi}}_{k}$ 且 $\overset{\sim}{\theta}$ 成为新单元 ${\overset{\sim}{\pi}}_{k + 1}\ \cup \ \left\{ \overset{\sim}{\theta} \right\}$ 的最小元素，新行动满足单调性：

$$y_{{\overset{\sim}{\pi}}_{k}\ \smallsetminus \ \left\{ \overset{\sim}{\theta} \right\}}\ < \ y_{{\overset{\sim}{\pi}}_{k}}\ < \ y_{{\overset{\sim}{\pi}}_{k + 1}\ \cup \ \left\{ \overset{\sim}{\theta} \right\}}\ < \ y_{{\overset{\sim}{\pi}}_{k + 1}}$$

我们需要验证 $\Pi_{1}$ 中所有单元的最小类型均不嫉妒其左侧单元。对于未发生变动的单元，由于原分划 $\Pi$ 满足 L-IC，条件自然保持。仅需对发生结构改变的受影响类型进行分类穷竭证明：

情形 1：类型 $\theta\ = \ min\left( {\overset{\sim}{\pi}}_{k}\ \smallsetminus \ \left\{ \overset{\sim}{\theta} \right\} \right)$（当 ${\overset{\sim}{\pi}}_{k}$ 非单点集时）。其左侧单元为 ${\overset{\sim}{\pi}}_{k - 1}$。

若 $y_{{\overset{\sim}{\pi}}_{k}\ \smallsetminus \ \left\{ \overset{\sim}{\theta} \right\}}\ \geq \ x^{*}(\theta)$，则效用函数 $U_{\theta}$ 在该点及右侧严格递减，从而 $U_{\theta}\left( y_{{\overset{\sim}{\pi}}_{k}\ \smallsetminus \ \left\{ \overset{\sim}{\theta} \right\}} \right)\ > \ U_{\theta}\left( y_{{\overset{\sim}{\pi}}_{k}} \right)$。又因原分划满足 L-IC，$U_{\theta}\left( y_{{\overset{\sim}{\pi}}_{k}} \right)\ \geq \ U_{\theta}\left( y_{{\overset{\sim}{\pi}}_{k - 1}} \right)$，传递性立得 $U_{\theta}\left( y_{{\overset{\sim}{\pi}}_{k}\ \smallsetminus \ \left\{ \overset{\sim}{\theta} \right\}} \right)\ > \ U_{\theta}\left( y_{{\overset{\sim}{\pi}}_{k - 1}} \right)$。

若 $y_{{\overset{\sim}{\pi}}_{k}\ \smallsetminus \ \left\{ \overset{\sim}{\theta} \right\}}\ < \ x^{*}(\theta)$，由于 $\theta$ 是该单元最小元，必有 $y_{{\overset{\sim}{\pi}}_{k - 1}}\ < \ y_{{\overset{\sim}{\pi}}_{k}\ \smallsetminus \ \left\{ \overset{\sim}{\theta} \right\}}\ \leq \ y_{\theta}\ \leq \ x^{*}(\theta)$。在区间 $\left( - \infty,\ x^{*}(\theta) \right)$ 上 $U_{\theta}$ 单调递增，故 $U_{\theta}\left( y_{{\overset{\sim}{\pi}}_{k}\ \smallsetminus \ \left\{ \overset{\sim}{\theta} \right\}} \right)\ > \ U_{\theta}\left( y_{{\overset{\sim}{\pi}}_{k - 1}} \right)$。此情形不产生向左嫉妒。

情形 2：被移动的类型 $\theta\ = \ \overset{\sim}{\theta}\ = \ min\left( {\overset{\sim}{\pi}}_{k + 1}\ \cup \ \left\{ \overset{\sim}{\theta} \right\} \right)$。

由于 $\theta\ = \ \overset{\sim}{\theta}$ 因嫉妒右侧而移动，原先有 $U_{\theta}\left( y_{{\overset{\sim}{\pi}}_{k + 1}} \right)\ > \ U_{\theta}\left( y_{{\overset{\sim}{\pi}}_{k}} \right)$。由于 $y_{{\overset{\sim}{\pi}}_{k + 1}}\ > \ y_{{\overset{\sim}{\pi}}_{k}}$，说明 $U_{\theta}$ 在 $y_{{\overset{\sim}{\pi}}_{k}}$ 处处于单调递增阶段，即 $y_{{\overset{\sim}{\pi}}_{k}}\ \leq \ x^{*}(\theta)$。在新单元中，由于 $\overset{\sim}{\theta}$ 是最小元，有 $y_{\theta}\ < \ y_{{\overset{\sim}{\pi}}_{k + 1}\ \cup \ \left\{ \overset{\sim}{\theta} \right\}}\ < \ y_{{\overset{\sim}{\pi}}_{k + 1}}$。而其左侧相邻单元（无论是 ${\overset{\sim}{\pi}}_{k}\ \smallsetminus \ \left\{ \overset{\sim}{\theta} \right\}$ 还是 ${\overset{\sim}{\pi}}_{k - 1}$）所对应的行动 $y_{L}$ 均严格小于 $y_{\theta}$。因此有 $y_{L}\ < \ y_{\theta}\ < \ y_{{\overset{\sim}{\pi}}_{k + 1}\ \cup \ \left\{ \overset{\sim}{\theta} \right\}}\ \leq \ x^{*}(\theta)$。在单调递增区间内，必有 $U_{\theta}\left( y_{{\overset{\sim}{\pi}}_{k + 1}\ \cup \ \left\{ \overset{\sim}{\theta} \right\}} \right)\ > \ U_{\theta}\left( y_{L} \right)$，故移动后的类型 $\overset{\sim}{\theta}$ 绝不会反向嫉妒其左侧单元。

情形 3：类型 $\theta\ = \ min\ {\overset{\sim}{\pi}}_{k + 2}$。其左侧相邻单元变为 ${\overset{\sim}{\pi}}_{k + 1}\ \cup \ \left\{ \overset{\sim}{\theta} \right\}$。

由于 $y_{{\overset{\sim}{\pi}}_{k + 1}\ \cup \ \left\{ \overset{\sim}{\theta} \right\}}\ < \ y_{{\overset{\sim}{\pi}}_{k + 1}}\ < \ y_{{\overset{\sim}{\pi}}_{k + 2}}\ \leq \ y_{\theta}\ \leq \ x^{*}(\theta)$，$U_{\theta}$ 在该区间严格单调递增。由原分划 L-IC 性知 $U_{\theta}\left( y_{{\overset{\sim}{\pi}}_{k + 2}} \right)\ \geq \ U_{\theta}\left( y_{{\overset{\sim}{\pi}}_{k + 1}} \right)$，从而 $U_{\theta}\left( y_{{\overset{\sim}{\pi}}_{k + 2}} \right)\ > \ U_{\theta}\left( y_{{\overset{\sim}{\pi}}_{k + 1}\ \cup \ \left\{ \overset{\sim}{\theta} \right\}} \right)$。

综上所述，所有可能受到影响的边界类型在新分划中均严格不产生向左嫉妒。引理 1 得证。

3.4 命题 7 的数理推导：算法有限步终止性

【命题 7】：对任意 L-IC 分划 $\Pi$，存在有限正整数 $r\ \in \ {\mathbb{N}}$，使得 $Env^{r}(\Pi)$ 中的每一个分划均为 IC 分划。

【数理推导与证明】：类型空间 $\Theta$ 中仅含有 $N$ 个有限元素。在算法的每一次转移中，选中的最大类型只能严格向右跨入相邻单元，分划中元素的移动方向是严格单向的（自左向右）。由于类型总数有限且无法无限向右移动，所有转移路径必在有限步内耗尽所有向右嫉妒。结合引理 1，系统在每一步始终保持 L-IC（无向左嫉妒），因此当向右嫉妒消除时，系统必然达到完全激励相容（IC）。定义 $Env(\Pi)\ = \ Env^{r}(\Pi)$ 为由 $\Pi$ 经嫉妒转移生成的全部 IC 分划集。证毕。

3.5 区间分划的占优序关系与图 2 几何解析

为比较不同分划的精细程度与右移程度，定义区间分划之间的偏序关系：

【定义 8（分划占优关系, Dominance Relation）】：设 $\Pi$ 和 $\Pi'$ 为 $\Theta$ 上的两个区间分划。若对 $\Pi'$ 的每一个单元 $\pi'$，均满足：

$$min\ \pi\left( max\ \pi^{\prime} \right)\ \geq \ min\ \pi^{\prime}$$

则称分划 $\Pi$ 占优分划 $\Pi'$，记为 $\Pi\ \geq \ \Pi'$。

图 2：区间分划占优序关系 $\Pi \ge \Pi'$ 的几何表征与边界投影

【图示解析与数理意义】图 2 直观展示了占优关系 $\Pi\ \geq \ \Pi'$ 的空间几何本质。下方的被占优分划 $\Pi'$ 拥有单元 $\pi'$，其最小类型为 $min\ \pi'$，最大类型为 $max\ \pi'$。上方的占优分划 $\Pi$ 将 $max\ \pi'$ 归入单元 $\pi(max\ \pi')$。占优条件 $min\ \pi(max\ \pi')\ \geq \ min\ \pi'$ 表明，在占优分划 $\Pi$ 中，类型被与更高（即更靠右）的类型池化在一起。由于占优关系具有反对称性，若 $\Pi\ \geq \ \Pi'$ 且 $\Pi'\ \geq \ \Pi$，则必有 $\Pi\ = \ \Pi'$。此外，若 $\Pi\ \geq \ \Pi'$，则 $\Pi$ 的单元数量必不少于 $\Pi'$（即 $|\Pi|\ \geq \ |\Pi'|$），这意味着占优分划具有更高的信息承载容量。完全揭示分划 $CR$ 占优所有分划，而完全非揭示分划 $NR$ 被所有分划占优。

3.6 引理 2、推论 1 与定理 1 的严格数理推导：极限分划 $\Pi^{*}$ 的存在与唯一性

【引理 2】：设 $\Pi_{0}$ 为 L-IC 分划，$\Pi$ 为任一 IC 分划。若 $\Pi_{0}\ \geq \ \Pi$，则对任意 $\Pi_{1}\ \in \ Env\left( \Pi_{0} \right)$，均有 $\Pi_{1}\ \geq \ \Pi$。

【数理推导与证明（反证法）】：

设 $\Pi\ = \ \left\{ \pi_{1},\ \ldots,\ \pi_{n} \right\}$ 为 IC 分划。令 $\theta_{k}\ = \ max\ \pi_{k}$。由 $\Pi_{0}\ \geq \ \Pi$，已知 $min\ \pi_{0}\left( \theta_{k} \right)\ \geq \ min\ \pi_{k}$ (1)。需证明 $min\ \pi_{1}\left( \theta_{k} \right)\ \geq \ min\ \pi_{k}$ (2)。

设从 $\Pi_{0}$ 到 $\Pi_{1}$ 移动的类型为 $\overset{\sim}{\theta}$：

• 若 $\pi_{1}\left( \theta_{k} \right)\ = \ \pi_{0}\left( \theta_{k} \right)$，则由 (1) 直接得 (2)；

• 若 $\theta_{k}\ = \ \overset{\sim}{\theta}$，则 $\theta_{k}$ 成为 $\pi_{1}\left( \theta_{k} \right)$ 的最小元，从而 $min\ \pi_{1}\left( \theta_{k} \right)\ = \ \theta_{k}\ = \ max\ \pi_{k}\ \geq \ min\ \pi_{k}$，(2) 成立；

• 若 $\pi_{1}\left( \theta_{k} \right)\ = \ \pi_{0}\left( \theta_{k} \right)\ \cup \ \left\{ \overset{\sim}{\theta} \right\}$，其中 $\overset{\sim}{\theta}$ 为其左侧单元 $\pi_{0}^{L}\left( \theta_{k} \right)$ 的最大元，则 $min\ \pi_{1}\left( \theta_{k} \right)\ = \ \overset{\sim}{\theta}$，(2) 变为 $\overset{\sim}{\theta}\ \geq \ min\ \pi_{k}$ (3)。

假设 (3) 不成立，即假设 $min\ \pi_{0}\left( \theta_{k} \right)\ = \ min\ \pi_{k}$。此时 $\overset{\sim}{\theta}\ = \ max\ \pi_{0}^{L}\left( \theta_{k} \right)$ 恰好等于 $\pi_{k - 1}$ 的最大元 $\theta_{k - 1}$。

由 $\Pi_{0}\ \geq \ \Pi$，$\pi_{0}^{L}\left( \theta_{k} \right)$ 包含 $\pi_{k - 1}$ 中最高的类型，从而 $y_{\pi_{k - 1}}\ \leq \ y_{\pi_{0}^{L}\left( \theta_{k} \right)}\ \leq \ y_{\overset{\sim}{\theta}}$ (4)；同时 $\pi_{0}\left( \theta_{k} \right)$ 包含 $\pi_{k}$ 中最低的类型，故 $y_{\pi_{0}\left( \theta_{k} \right)}\ \geq \ y_{\pi_{k}}$ (5)。

由 (4)，$U_{\overset{\sim}{\theta}}$ 在 $y_{\pi_{k - 1}}$ 和 $y_{\pi_{0}^{L}\left( \theta_{k} \right)}$ 处递增，故 $U_{\overset{\sim}{\theta}}\left( y_{\pi_{k - 1}} \right)\ \leq \ U_{\overset{\sim}{\theta}}\left( y_{\pi_{0}^{L}\left( \theta_{k} \right)} \right)$ (6)。

由于 $\Pi$ 是 IC 分划，$U_{\overset{\sim}{\theta}}\left( y_{\pi_{k - 1}} \right)\ \geq \ U_{\overset{\sim}{\theta}}\left( y_{\pi_{k}} \right)$。再由 (5) 得 $U_{\overset{\sim}{\theta}}\left( y_{\pi_{k - 1}} \right)\ \geq \ U_{\overset{\sim}{\theta}}\left( y_{\pi_{0}\left( \theta_{k} \right)} \right)$。与 (6) 联立得 $U_{\overset{\sim}{\theta}}\left( y_{\pi_{0}\left( \theta_{k} \right)} \right)\ \leq \ U_{\overset{\sim}{\theta}}\left( y_{\pi_{0}^{L}\left( \theta_{k} \right)} \right)$。这说明 $\overset{\sim}{\theta}$ 根本不可能严格嫉妒 $\pi_{0}\left( \theta_{k} \right)$，产生矛盾！故必有 $min\ \pi_{0}\left( \theta_{k} \right)\ > \ min\ \pi_{k}$，从而 (3) 恒成立，$\Pi_{1}\ \geq \ \Pi$。证毕。

【推论 1】：若 L-IC 分划 $\Pi_{0}$ 占优 IC 分划 $\Pi$，则 $Env\left( \Pi_{0} \right)$ 中的每个 IC 分划 $\Pi_{r}$ 均满足 $\Pi_{r}\ \geq \ \Pi$。

【定理 1（主定理：唯一极限分划 $\Pi^{*}$）】：存在唯一的 IC 分划 $\Pi^{*}$，使得对任意 IC 分划 $\Pi$，均有 $\Pi^{*}\ \geq \ \Pi$。该分划 $\Pi^{*}$ 可从任意占优所有 IC 分划的初始 L-IC 分划 $\Pi_{0}$（例如完全揭示分划 $CR$）出发，通过嫉妒动态递归求得，即 $Env(CR)\ = \ \left\{ \Pi^{*} \right\}$。

【证明要点】：取初始分划 $\Pi_{0}\ = \ CR$。因 $CR\ \geq \ \Pi$ 对所有 IC 分划 $\Pi$ 均成立，由引理 2 的归纳法，$Env(CR)$ 中的所有极限分划必占优所有 IC 分划。由于占优关系具有反对称性，占优所有 IC 分划的 IC 分划必然唯一存在，记为 $\Pi^{*}$。因此，无论嫉妒算法在各步如何随机选择转移类型，所有演化序列均收敛于同一个唯一的极限分划 $\Pi^{*}$。证毕。

3.7 示例 1 演化追踪与阶段最佳反应动态对比

【示例 1】：设 $\Theta\ = \ \left\{ 1,\ 2,\ \ldots,\ 11 \right\}$，先验分布为均匀分布 $p(\theta)\ = \ 1/11$，收益函数为二次函数且偏差 $b\ = \ 2$。

算法从 $CR\ = \ \left\{ \left\{ 1 \right\},\ \left\{ 2 \right\},\ \ldots,\ \left\{ 11 \right\} \right\}$ 出发，一条典型的单步嫉妒转移轨迹为：

Step 0: {{1}, {2}, ..., {10}, {11}}
Step 1: {{1}, {2}, ..., {9}, {10, 11}}
...
Step 6: {{1}, {2}, {3}, {4}, {5, ..., 11}}
Step 7: {{1}, {2}, {3, 4}, {5, ..., 11}}
Step 8: {{1}, {2}, {3}, {4, ..., 11}}
Step 9: {{1}, {2, 3}, {4, ..., 11}}
Step 10: {{1, 2, 3}, {4, ..., 11}}
Step 11: {{1, 2}, {3, ..., 11}} = $\Pi^{*}$

在每一步中，仅需计算至多 3 个边界不等式，接收者仅需更新 2 个单元的行动。

对比经典的“阶段最佳反应动态”（Interim Best Response Dynamic, Gordon et al. 2022）：在第一步中，发送者的最佳反应要求计算全部 11 个类型在 11 个行动下的期望收益，导致全局策略 $\sigma_{1}(i)\ = \ \left\{ i + 2 \right\}\ (i \leq \ 9),\ \sigma_{1}(10) = \sigma_{1}(11) = \left\{ 11 \right\}$，引发分划全局剧烈震荡；随后某一阶段会从 {{1}, {2}, {3}, {4,5,6}, {7..11}} 骤变至 {{1,2}, {3,4,5}, {6..11}}，所有单元全部重构，计算开销极其庞大。本文算法通过局部最小转移（Minimal Local Shifting），以极高的计算效率和确定性实现了全局均衡收敛。

4.1 示例 2 与图 1 效用曲线几何深度解析

【示例 2】：设类型空间 $\Theta\ = \ \left\{ 1,\ 2,\ 3,\ 4 \right\}$，先验分布为非均匀分布 $p(1) = 0.25,\ p(2) = 0.25,\ p(3) = 0.01,\ p(4) = 0.49$。收益函数为二次函数且偏差 $b\ = \ 0.6$。

各可能子集对应的接收者条件最优行动计算如下：
$y_{\left\{ 1 \right\}}\ = \ 1.0,\ y_{\left\{ 1,2 \right\}}\ = \ 1.5,\ y_{\left\{ 1,2,3 \right\}}\ = \ 1.53,\ y_{\left\{ 2 \right\}}\ = \ 2.0,\ y_{\left\{ 2,3 \right\}}\ = \ 2.04,\ y_{\left\{ 1,2,3,4 \right\}}\ = \ 2.74,\ y_{\left\{ 3 \right\}}\ = \ 3.0,\ y_{\left\{ 2,3,4 \right\}}\ = \ 3.32,\ y_{\left\{ 3,4 \right\}}\ = \ 3.984,\ y_{\left\{ 4 \right\}}\ = \ 4.0$。

图 1：示例 2 中发送者各类型效用函数抛物线与接收者条件最优行动分布

【图示解析与数理意义】图 1 展示了发送者 4 个类型的效用抛物线 $U_{1}(x),\ U_{2}(x),\ U_{3}(x),\ U_{4}(x)$，其顶点（发送者理想行动）分别位于 $x^{*}(1) = 1.6,\ x^{*}(2) = 2.6,\ x^{*}(3) = 3.6,\ x^{*}(4) = 4.6$。虚线标出了接收者的各个条件行动 $y_{L}$。在全部分划中，共存在 8 个区间分划：在 {{1},{2},{3},{4}} 和 {{1},{2},{3,4}} 中，类型 1 偏好行动 2 胜过行动 1（因 $|1.6 - 2.0| = 0.4\ < \ |1.6 - 1.0| = 0.6$），产生右向嫉妒；在 {{1},{2,3},{4}}、{{1,2},{3},{4}} 和 {{1,2,3},{4}} 中，类型 3 偏好行动 4 胜过行动 3（因 $|3.6 - 4.0| = 0.4\ < \ |3.6 - 3.0| = 0.6$），产生右向嫉妒。最终仅有 3 个 IC 分划：$NR\ = \ \left\{ \left\{ 1,2,3,4 \right\} \right\}$, $\Pi\ = \ \left\{ \left\{ 1 \right\},\ \left\{ 2,3,4 \right\} \right\}$ 以及极限分划 $\Pi^{*}\ = \ \left\{ \left\{ 1,2 \right\},\ \left\{ 3,4 \right\} \right\}$。其中 $\Pi$ 和 $\Pi^{*}$ 均为最大信息量分划（各含 2 个单元），展现了离散博弈中多重最大信息均衡的并存现象。

4.2 不败分划精炼：引理 3、推论 2 与命题 3 的严格数理推导

【定义 5（不败分划, Undefeated Partition, Mailath et al. 1993）】：设 $\Pi$ 和 $\Pi'$ 为 $\Theta$ 上的两个 IC 分划：

1. 若存在 $\Pi'$ 的某个单元 $\pi'$，使得对该单元内的所有类型 $\theta\ \in \ \pi'$ 均有 $U_{\theta}\left( y_{\pi'} \right)\ \geq \ U_{\theta}\left( y_{\pi(\theta)} \right)$（且至少对一个类型严格大于），则称分划 $\Pi'$ 打败（Defeats）分划 $\Pi$；

2. 若分划 $\Pi$ 不被任何其他 IC 分划所打败，则称 $\Pi$ 为不败分划（Undefeated Partition）。

【引理 3】：设 $\Pi$ 为 IC 分划，$\pi$ 为 $\Pi$ 中任一单元，$\theta\ = \ max\ \pi$。设 $\Pi_{0}$ 为 L-IC 分划且满足 $\Pi_{0}\ \geq \ \Pi$ 以及 $\theta\ = \ max\ \pi_{0}$（对 $\Pi_{0}$ 中某单元 $\pi_{0}$ 成立）。则对任意 $r\ \in \ {\mathbb{N}}$ 及任意 $\Pi_{r}\ \in \ Env^{r}\left( \Pi_{0} \right)$，均有：

$$U_{\theta}\left( y_{\pi_{r}(\theta)} \right)\ \geq \ U_{\theta}\left( y_{\pi} \right)$$

等号成立当且仅当 $\pi_{r}(\theta)\ = \ \pi$。

图 3：沿嫉妒动态演化序列从 $\pi_{r'}^+$ 到 $\pi_r(\theta_k)$ 的行动单调收缩轨迹

【图示解析与数理意义】图 3 揭示了引理 3 证明中的核心几何机制。在步骤 $r'$，单元 $\pi_{r'}$ 的最大元素 $\theta_{k}$ 因嫉妒右侧单元 $\pi_{r'}^{+}$ 而跨入其中。在随后的演化步骤 $r' + 1$ 至 $r$ 期间，由于更高类型可能继续向右跨出，且更低类型可能从左侧并入，包含 $\theta_{k}$ 的单元行动形成一个严格递减的序列，最终收敛于 $y_{\pi_{r}\left( \theta_{k} \right)}$，满足单调区间包含关系 $y_{\pi_{k}}\ \leq \ y_{\pi_{r}\left( \theta_{k} \right)}\ < \ y_{\pi_{r'}^{+}}$。由于效用函数 $U_{\theta_{k}}$ 为单峰函数，该几何收缩性质保证了类型 $\theta_{k}$ 在演化分划中的效用严格不低于其在任意 IC 分划 $\Pi$ 中的效用。

【推论 2】：设 $\Pi$ 为 IC 分划，$\pi$ 为 $\Pi$ 中任一单元，$\theta\ = \ max\ \pi$。则必有 $U_{\theta}\left( y_{\pi^{*}(\ heta)} \right)\ \geq \ U_{\theta}\left( y_{\pi} \right)$，等号仅在 $\pi^{*}(\theta)\ = \ \pi$ 时成立。

【命题 3】：极限分划 $\Pi^{*}$ 是不败分划（Undefeated Partition）。

【证明】：假设存在某个 IC 分划 $\Pi$ 打败了 $\Pi^{*}$。依据定义 5，必存在 $\Pi$ 的某个单元 $\pi'$，使得对其中所有类型 $\theta\ \in \ \pi'$ 均有 $U_{\theta}\left( y_{\pi'} \right)\ \geq \ U_{\theta}\left( y_{\pi^{*}(\theta)} \right)$，且至少一个严格大于。取该单元的最大元素 $\theta_{max}\ = \ max\ \pi'$。由推论 2，必有 $U_{\theta_{max}}\left( y_{\pi^{*}\left( \theta_{max} \right)} \right)\ \geq \ U_{\theta_{max}}\left( y_{\pi'} \right)$，且只有当 $\pi^{*}\left( \theta_{max} \right)\ = \ \pi'$ 时取等。若取等，则两分划在该单元完全一致，不可能存在严格提升；若严格小于，则与打败定义中 $U_{\theta_{max}}\left( y_{\pi'} \right)\ \geq \ U_{\theta_{max}}\left( y_{\pi^{*}\left( \theta_{max} \right)} \right)$ 矛盾！因此，不存在任何 IC 分划能够打败 $\Pi^{*}$。命题 3 得证。

4.3 混合策略伪分划与命题 4 的严格数理推导

当允许发送者采用混合策略 $\sigma:\ \Theta\ \rightarrow \ \Delta(M)$ 时，混合同步类型的决策可由“区间伪分划”（Pseudo-Partitions）完全刻画：

$$\Pi\ = \ \left\{ \left\{ \theta_{1},\ \ldots,\ \theta_{i_{1}} \right\},\ \left\{ \theta_{i_{1}}^{\prime},\ \ldots,\ \theta_{i_{2}} \right\},\ \ldots,\ \left\{ \theta_{i_{k}}^{\prime},\ \ldots,\ \theta_{N} \right\} \right\}$$

其中相邻伪单元的交界元素可能重合（$\theta_{i_{j}}\ = \ \theta'_{i_{j}}$），代表边界类型在两个相邻消息间随机化，且在该两单元行动下获得严格无差异的期望效用。

引理 4 与引理 5 将引理 2 和引理 3 的结论直接拓展至伪分划：对任意 IC 伪分划 $\Pi$，$CR\ \geq \ \Pi$ 恒成立，且 $\Pi^{*}\ \geq \ \Pi$（推论 3）。对伪单元的最大元素 $\theta\ = \ max\ \pi$，在 $\Pi^{*}$ 中的效用亦弱优于在伪单元中的效用。

【命题 4】：极限分划 $\Pi^{*}$ 不会被任何混合策略 IC 伪分划所打败。

4.4 新词证明均衡精炼：命题 2 与最高类型无自我宣称准则（NSSHT）

【定义 4（新词证明均衡, Neologism-Proof Equilibrium, Farrell 1993）】：设 $\Pi$ 为 IC 分划，$L\ \subseteq \ \Theta$ 为未在 $\Pi$ 中出现的子集消息（新词, Neologism）：

1. 若满足：对所有 $\theta\ \in \ L$，$U_{\theta}\left( y_{L} \right)\ \geq \ U_{\theta}\left( y_{\pi(\theta)} \right)$（且至少一个严格大于），且对所有 $\theta\ \notin \ L$，$U_{\theta}\left( y_{L} \right)\ \leq \ U_{\theta}\left( y_{\pi(\theta)} \right)$，则称子集 $L$ 是关于分划 $\Pi$ 的可信自我宣称集（Self-Signaling Set）；

2. 若不存在任何关于 $\Pi$ 的自我宣称集，则称分划 $\Pi$ 为新词证明均衡。

图 4：在性质 (P) 保证下实现单元 $\pi$（$|\pi|=4$）的单步嫉妒演化路径

【图示解析与数理意义】图 4 阐释了命题 2 归纳证明中的核心构造机制。设单元 $\pi$ 包含 4 个元素。若分划 $\Pi$ 满足新词证明性，则性质 (P) 保证了对 $\pi$ 中任意子集，最低单元的最大类型必定严格偏好并入更高类型的相邻单元。演化路径自左向右依次发生 3 次局部转移：先合并最高两个元素，再依次吸纳左侧相邻元素，最终在有限步内精确合成完整单元 $\pi$。这一性质确立了新词证明均衡与算法极限分划 $\Pi^{*}$ 的必然重合。

【命题 2】：若博弈中存在新词证明 IC 分划 $\Pi$，则必有 $\Pi\ = \ \Pi^{*}$。

【深入分析与 NSSHT 准则】：证明过程表明，新词证明性在本质上要求分划满足“最高类型无自我宣称准则”（No Self-Signaling of the Highest Types, NSSHT）：对分划中任意包含多元素的单元 $\pi\ = \ \left\{ \theta_{k + 1},\ \ldots,\ \theta_{k + |\pi|} \right\}$，其右侧高类型子集 $\left\{ \theta_{k + l + 1},\ \ldots,\ \theta_{k + |\pi|} \right\}$ 绝不能自我宣称，因为紧邻其左侧的类型 $\theta_{k + l}$ 同样会因正向偏差而受益并偏离入该集合：

$$U_{\theta_{k + l}}\left( y_{\pi} \right)\ < \ U_{\theta_{k + l}}\left( y_{\left\{ \theta_{k + l + 1},\ \ldots,\ \theta_{k + |\pi|} \right\}} \right)$$

命题 2 证明了 $\Pi^{*}$ 是唯一可能满足 NSSHT 的分划，从而彻底锁定了新词证明均衡的唯一候选者。

4.5 无分离激励准则（NITS）：命题 5 的严格数理推导

【定义 6（无分离激励准则, NITS, Chen et al. 2008）】：若 IC 分划 $\Pi$ 中包含最低类型 $\theta_{1}$ 的首单元 $\pi\left( \theta_{1} \right)$ 含有至少两个元素，且满足：

$$U_{\theta_{1}}\left( y_{\theta_{1}} \right)\ \leq \ U_{\theta_{1}}\left( y_{\pi\left( \theta_{1} \right)} \right)$$

则称分划 $\Pi$ 满足 NITS 准则。

【命题 5】：极限分划 $\Pi^{*}$ 满足 NITS 准则。

【证明】：设序列 $\left( \Pi_{r} \right)$ 从 $CR$ 出发收敛至 $\Pi^{*}$。若包含 $\theta_{1}$ 的首单元 $\pi_{1}^{*}$ 为单点集，条件自动满足。若包含多个元素，必存在某一步 $r$ 使得 $\theta_{1}$ 首次因偏好右侧行动 $y_{\pi_{r}^{2}}$ 而发生池化，有 $U_{\theta_{1}}\left( y_{\theta_{1}} \right)\ < \ U_{\theta_{1}}\left( y_{\pi_{r}^{2}} \right)$。在后续合并过程中，行动 $y_{\pi_{1}^{*}}$ 介于 $y_{\theta_{1}}$ 与 $y_{\pi_{r}^{2}}$ 之间。由效用函数的单峰凹性，必有 $U_{\theta_{1}}\left( y_{\theta_{1}} \right)\ \leq \ U_{\theta_{1}}\left( y_{\pi_{1}^{*}} \right)$。命题 5 得证。

4.6 均匀二次基准下的事前帕累托最优：命题 6 的严格数理推导

【命题 6】：在均匀二次基准博弈中（$\Theta\ = \ \left\{ 1,\ 2,\ \ldots,\ N \right\}$，$p(\theta)\ = \ 1/N$，效用为二次且偏差恒为 $b$），极限分划 $\Pi^{*}$ 对应于事前帕累托最优的 PBE。

【数理推导与证明】：令 $4b$ 为整数且记 $k_{0}\ = \ 4b\ - \ 2$。区间分划 $\Pi\ = \ \left\{ \pi_{1},\ \ldots,\ \pi_{n} \right\}$ 满足 IC 当且仅当相邻单元长度满足差分递增约束：

$$\left| \pi_{j} \right|\ + \ k_{0}\ \leq \ \left| \pi_{j + 1} \right|\ \leq \ \left| \pi_{j} \right|\ + \ k_{0}\ + \ 4$$

Frug (2016) 证明了在离散状态下事前帕累托最优均衡必具有唯一的单元长度构造 $\Pi(N)$。作者通过对总类型数 $N$ 进行数学归纳法证明：在每增加一个类型从 $N$ 到 $N + 1$ 时，算法从 $\left\{ \left\{ 1 \right\},\ \Pi(N) \right\}$ 出发的单步嫉妒转移轨迹与 Frug (2016) 构造最优分划的“过程 1”（Procedure 1）完全等价，从而严格确立了 $\Pi^{*}\ \equiv \ \Pi(N)$，实现了全博弈事前帕累托最优。证毕。

4.7 边界反例与反思讨论

【示例 3（非均匀先验下帕累托最优性的失效）】：若先验分布非均匀（如 $\theta_{1} = 1,\ \theta_{2} = 2.5,\ \theta_{3} = 6.5$，$p = (0.9,\ 0.0873,\ 0.0127),\ b = 1$），$\Pi^{*}\ = \ \left\{ \left\{ 1,\ 2 \right\},\ \left\{ 3 \right\} \right\}$ 虽然不败，但替代分划 $\Pi\ = \ \left\{ \left\{ 1 \right\},\ \left\{ 2,\ 3 \right\} \right\}$ 赋予双方更高的事前期望效用。这表明非均匀先验赋予不同类型极不均衡的福利权重，使极限分划的事前效率可能偏离全域最优。

【示例 4（引理 3 中条件 $\theta\ = \ max\ \pi_{0}$ 的必要性）】：若类型 $\theta$ 在初始分划中已被与更高类型池化（非单点集或非极大元），则引理 3 的效用单调性下界可能失效。

【示例 5（2 类型模型中偏倚对新词证明性的相变影响）】：在 $\Theta\ = \ \left\{ 1,\ 2 \right\}$ 中，当 $b\ \leq \ 0.5$ 时，$\Pi^{*}\ = \ CR$ 且新词证明；当 $0.5\ < \ b\ \leq \ 0.75$ 时，新词 $\left\{ 2 \right\}$ 产生自宣称，新词证明均衡不存在；当 $b\ > \ 0.75$ 时，类型 1 严格偏好行动 2 胜过池化行动，使得 $\left\{ 2 \right\}$ 不再自宣称，$\Pi^{*}\ = \ NR$ 重新成为新词证明均衡。

五、每个命题与引理的经济学与数理意义全面总结

为系统把握文章各数理命题之间的逻辑链条与经济学直觉，下表全面总结了各个命题、定理与引理的核心结论及其背后的博弈论深意：

六、全文结论与管理/政策启示

6.1 全文主要研究结论

本文针对有限离散类型空间下的战略信息沟通博弈，构建了一套完备的“更好反应动态”收敛理论。主要结论如下：

第一，纯策略 PBE 与离散区间分划的激励相容性具有完全等价性，使得原本高度抽象的无限维函数空间决策转化为有限组合分划的代数优化。

第二，从完全揭示状态出发的局部单向更好反应演化，在保持 L-IC 不变性与占优序不变性的驱动下，必然且唯一地收敛于信息量最大的极限均衡 $\Pi^{*}$。这为博弈论中的纳什均衡提供了极具说服力的微观演化形成机制。

第三，极限均衡 $\Pi^{*}$ 展现出惊人的博弈精炼聚合能力，在不败性（Undefeatedness）、新词证明性（Neologism-Proofness via NSSHT）、无分离激励（NITS）以及均匀二次环境下的帕累托效率上同时达到最优，为长期存在多重均衡争议的廉价磋商理论确立了最具说服力的基准解。

6.2 管理实践与经济政策启示

（1） 组织层级汇报与粗粒度信息通道设计：在企业组织架构中，下级汇报者往往具有向上浮夸业绩或资源需求的动机（$b_{\theta}\ > \ 0$）。管理层若强制推行完全精细化的逐项精准汇报（$CR$），往往会因下级的战略性瞒报与粉饰而彻底失效。本文证明，合理的管理沟通制度应主动设计“粗粒度区间评级”（如设立 A、B、C 等定性档位）。通过本文算法确定的极限分划 $\Pi^{*}$，组织可以精确获知在特定利益偏差下所能维系的最大有效评级档位数量，从而在激励相容前提下实现最大程度的组织信息透明度。

（2） 平台算法与多智能体（Multi-Agent AI）去中心化沟通协议：在由多个自主人工智能智能体（AI Agents）或算法平台组成的去中心化系统中，各主体拥有私有状态但目标函数存在内在偏差。本文提出的“更好反应动态”算子为多智能体自动协商提供了极佳的协议设计模板：无需中心化求解全局纳什均衡，智能体只需基于局部嫉妒进行渐进式策略微调，即可保证全局系统在有限步骤内快速收敛至最稳健且无冲突的稳态协议，显著降低了多智能体协同系统的通信与计算开销。

（3） 监管披露制度与评级机构合规设计：在金融监管与 ESG 评级中，受评主体天然具有迎合高评级的冲动。监管机构在制定信息披露标准时，必须意识到评级粒度并非越细越好。本文算法提供了一套实用的评估工具：监管者可通过测算市场主体的偏好偏离程度，快速测算出评级标准的最优离散分划边界，避免因评级设定过细而导致整个披露体系沦为无任何参考价值的“形式合规”（即退化至完全无信息的非揭示状态 $NR$）。