chore: collect latest dingTalk feishu docs

output/feishu-docs/J7KrwargTiQKRNk2cIMcthSon1e.md

@@ -0,0 +1,211 @@
+# 2026.06.23-日报-莫润麟
+
+
+Source: https://feishu.cn/docx/J7KrwargTiQKRNk2cIMcthSon1e
+
+
+### 今日内容
+
+① 重新梳理博弈论建模思路
+
+② 互补性机制变量优化
+
+③ 核对当前入库变量问题
+
+### 一、重新梳理博弈论建模思路
+
+重新梳理了博弈论建模的思路：不能直接照搬昨天 Park & van der Schaar 那篇论文的思路。
+
+当前判断是：
+
+可以借鉴其“基础模型→机制扩展→均衡比较”的研究思路，但不能直接照搬其“一个机制对应一个模型”的方法。
+
+原因在于，两者的研究场景存在本质区别。
+
+Park & van der Schaar 更多是在比较不同激励机制方案之间的效果，其机制之间具有一定替代关系；
+
+而本文研究的公平性、激励性、私有性等规则机制，并不是互斥关系，而是在同一场竞赛中同时存在的平台规则组合。
+
+因此，不能简单拆成：公平性模型，激励性模型、 私有性模型分别独立分析，而要在统一博弈论框架下刻画多个机制的共同作用。
+
+更适合采用：分步引入、联合收束的建模方式。
+
+### 分步引入
+
+先建立最基础的收益函数，说明玩家投入本质上是在权衡收益与成本。
+
+随后逐步加入不同机制：
+
+激励性机制：说明奖励价值如何影响投入意愿；
+
+私有性机制：说明个人贡献如何转化为个人回报；
+
+公平性 / 补偿性机制：说明投入是否能够有效改变结果；
+
+后续再结合重点机制筛选结果，进一步补充互动性、互补性或流动性等机制。
+
+目的是让每个机制影响收益函数的位置和作用路径更加清晰，避免一开始把所有机制混在一起，导致逻辑难以解释。
+
+### 联合收束
+
+虽然分析时分步展开，但最终不能把机制彼此割裂。
+
+因为在真实竞赛中，玩家做投入决策时，会同时考虑：
+
+奖励值不值得争；
+
+自己能否获得回报；
+
+赛局是否还有胜算；
+
+投入是否能够有效转化为竞争优势。
+
+最终需要回到统一收益函数中，刻画多个机制共同作用下的均衡投入。
+
+这样能讲清楚单个机制的作用路径，也能够反映真实游戏规则是同时发挥作用的。
+
+#### （二）进一步明确统一收益函数思路
+
+当前逐渐明确，后续理论部分不应把各机制割裂成独立模型，而应先建立统一的收益（效用）函数。
+
+核心逻辑是：
+
+玩家在投入过程中，本质上是在权衡收益与成本，并根据边际收益变化不断调整投入水平。
+
+因此，后续可以围绕：
+
+收益
+
+成本
+
+竞争结果
+
+收益分配
+
+建立统一收益函数，再逐步分析不同机制如何改变收益结构和均衡结果。
+
+#### 一阶最优条件（FOC，First-Order Condition）
+
+进一步补充了一阶最优条件（FOC）相关知识
+
+FOC 的核心思想是：
+
+玩家会持续投入，直到增加一单位投入带来的边际收益，恰好等于增加一单位投入带来的边际成本。
+
+即：边际收益 = 边际成本
+
+从数学上看，FOC 来源于效用（收益）函数最大化过程，对投入变量求导并令导数等于零，得到均衡投入条件。
+
+进一步理解，玩家是否继续投入，本质上是在不断比较：
+
+多投入一点能够带来多少额外收益；
+
+多投入一点需要付出多少额外成本。
+
+当边际收益大于边际成本时，玩家会继续追加投入；
+
+当边际收益小于边际成本时，玩家会减少投入；
+
+最终在两者相等的位置形成均衡投入。
+
+对本文的启发
+
+FOC 的价值在于：
+
+它能够把“为什么玩家愿意投入”从经验描述转化为数学上的均衡条件。
+
+后续不同规则机制影响综合投入，本质上都可以理解为：
+
+提高边际收益；
+
+降低边际成本；
+
+或改变投入对结果的转化效率。
+
+因此，机制作用并不是直接决定玩家是否投入，而是通过改变边际收益—边际成本关系，进一步影响玩家的最优投入水平。
+
+### 二、互补性机制优化
+
+继续优化互补性机制的定义，将原来以建筑、委派、buff 等“玩法协同”变量为主的口径，调整为更贴近论文主问题的 K-L 投入结构关系。
+
+当前更关注的问题是：
+
+金钱投入 K 与行为投入 L 是互补还是替代；
+
+高 K 玩家是否同时表现出高 L；
+
+金钱投入是否通过资源、兵力和加速机制带来更多行为机会。
+
+阶段判断：
+
+互补性不再主要回答“有没有 buff”，而是回答“金钱投入与行为投入如何共同作用”。
+
+#### （一）重新梳理互补性机制链条
+
+结合实际玩法，当前元宝和付费更多是缩短等待时间、补充兵力和资源，而不是直接替代行为本身。
+
+当前更合理的机制链条为：
+
+金钱/元宝投入→ 缩短等待时间、补充兵力资源→ 增加继续行动机会→ 提高行为投入 L→ 推动综合投入
+
+因此，互补性更偏向解释：
+
+金钱投入如何放大行为投入，而不是简单替代行为投入。
+
+#### （二）完成第一版 K-L 结构变量构建
+
+基于 5 月统一口径玩家期表，完成第一版 K-L 投入结构变量构建。
+
+主要包括：
+
+K-L 投入差值；
+
+K/L 投入占比；
+
+K-L 均衡度；
+
+K-L 双高交互强度；
+
+兵力消耗型行为投入；
+
+金钱—兵力消耗交互强度；
+
+K-L 投入结构类型。
+
+数据检查结果：
+
+样本量：50,579；
+
+activity 数：666；
+
+关键字段缺失率：0；
+
+K 与 L 相关系数：0.48；
+
+K 与兵力消耗相关系数：0.40；
+
+L 与兵力消耗相关系数：0.94。
+
+K-L 类型分布显示：
+
+双高互补型玩家占比（17.08%）明显高于高 K 低 L 型和低 K 高 L 型。
+
+初步结果更支持：
+
+金钱投入与行为投入存在互补关系，而不是简单的替代关系。
+
+#### （三）明确变量使用边界
+
+由于综合投入 Y 本身由 K 与 L 构成，因此 K-L 派生变量不适合直接进入预测主模型，以避免同源泄漏。
+
+这些变量更适合用于：
+
+K/L 子模型；
+
+玩家类型划分；
+
+替代关系检验；
+
+机制细化和论文解释。
+
+建筑、委派、buff 等变量暂不废弃，后续更适合作为辅助解释变量，用于说明 K-L 互补关系为何产生