连续社会决策中合作与竞争的自发涌现：基于动态觅食游戏的机制解析

《Communications Psychology》：Continuous dynamics of cooperation and competition in social decision-making

　　本研究针对传统离散博弈范式难以捕捉真实社会互动中连续、动态合作竞争过程的局限，开发了“合作-竞争觅食游戏”，通过面对面透明屏幕让双人组在共享二维空间实时收集目标。研究发现，参与者自发形成稳定策略谱系（合作型、竞争型、中间型），计算模型结合路径最小化、感觉运动通信和选择历史可精准预测决策（准确率87%），并揭示感觉运动因素（如速度、技能）如何塑造策略与收益。研究量化了合作成本，证明亲社会倾向常超越技能优势的个体收益，为自然主义社会互动的神经机制研究提供了可量化框架。

　　

在现实社会互动中，人们常常需要动态权衡合作与竞争策略，例如在共享资源狩猎、经济交易等场景中。然而，传统研究多依赖离散的博弈任务（如囚徒困境、猎鹿游戏），将复杂决策简化为二元选择，难以捕捉真实互动中连续时空调整、动作可见性及实时反馈的影响。这种脱节限制了我们对自然社会行为机制的理解。为此，德国马克斯·普朗克动力学与自组织研究所等团队在《Communications Psychology》发表研究，通过创新性“合作-竞争觅食（CCF）游戏”，揭示了连续动态互动中合作与竞争策略的自发涌现规律及其计算基础。

研究采用透明OLED屏幕构建面对面双人互动平台，参与者通过鼠标控制虚拟代理在二维空间收集三类目标：单目标（独享奖励）和双目标（需协同收集且奖励不对称）。通过分析58对参与者（116人）的行为轨迹、策略稳定性及收益分布，结合广义线性模型（GLM）和路径最小化理论，量化了感觉运动因素（如移动速度、技能差异）对决策的影响。

关键方法概述

研究通过连续轨迹追踪（采样率60 Hz）记录代理运动路径，使用GLM预测目标选择概率，引入决策熵量化选择不确定性，并基于启发式规则对轨迹进行分类（如“邀请”“强弯曲”等）。通过反事实模拟估计合作成本，并利用马尔可夫链分析跨周期策略转移概率。

结果分析

1. 策略收敛与分类

参与者在前14分钟内自发收敛至稳定策略，按单目标收集比例（FST）分为三类：合作型（FST≤0.1）、竞争型（FST≥0.9）和中间型（0.1

2. 路径最小化与权重调节

理论模拟显示，若双方代理初始位置重合，最小化路径会导致FST=1/3的最优解；但实际中，未收集单目标的代理可通过“优势站位”缩短预期距离，使最优FST升至0.55。实际数据表明，中间型策略更贴近无优势站位的路径最小化模型，而合作型与竞争型策略偏离较大。

3. 社会与感觉运动因素增强预测

在路径最小化基础上引入跨周期预测因子（如邀请行为、历史目标身份）后，GLM决策准确率从78%提升至87%。邀请（如代理提前驻留联合目标）使联合目标收集概率显著增加，且中间型策略组对此类社会信号依赖最强。

4. 决策不确定性与时空协调

选择熵高的周期更易出现“强弯曲”或“不同目标”等失调轨迹，而低熵时多为高协调行为（如并发移动至同一目标）。邀请行为可显著降低决策不确定性，凸显感觉运动通信的协调作用。

5. 收益分解与合作成本

竞争型策略因更高移动速度抵消了路径增长的影响，使收益在FST>0.4后保持稳定；技能差异扩大时，高技能者竞争策略收益更优。但多数高技能参与者仍选择合作策略，承受最高达8.7欧元的“合作成本”，体现亲社会偏好对经济理性的超越。

结论与意义

本研究通过连续动态范式突破了传统社会决策研究的离散局限，揭示策略涌现源于路径效率、感觉运动通信与跨周期历史的交互作用。合作成本量化及技能-策略解耦说明社会偏好可超越经济最优解，为理解自然互动中亲社会行为的机制提供了新视角。该框架为探索社会决策的神经基础、人格特质与策略关联奠定了方法论基础，未来可结合神经成像技术进一步解析动态互动中的脑际同步机制。