[AI]《A game theory for foundation models shows new paths to rational cooperation through similarity inference》A Meulemans, M Wołczyk, M A. Weis, R Nasser, R Rocca… [Google] (2026)

在多智能体交互领域，如何解释并引导 AI 的合作行为是一个核心难题。经典博弈论受困于“解耦代理”假设，即认为代理的决策与环境相互独立，这导致理性智能体在面对利益冲突时必然走向互损的背叛，无法解释现代大模型表现出的自发合作现象。

本文的核心洞见是：将大模型看作嵌入宇宙的观察者而非独立决策者。由此，智能体将自身的思考过程视为一种证据，通过推断对方是否与自己具有行为相似性，意识到我选择合作这一行为预示着相似的对方也会合作，从而打破了纳什均衡的背叛僵局。

这项工作真正留下的遗产是构建了适用于 AI 时代的嵌入式均衡理论。它为设计更具社会安全性的协作系统打开了新门，但尚未跨过的门槛是该理论高度依赖智能体间的相似性推断，在面对架构迥异或具有欺骗性的对手时，这种合作逻辑的鲁棒性仍待验证。

arxiv.org/abs/2608.03958 机器学习 人工智能 论文 AI创造营