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
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。
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。
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：
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。
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：
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。
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：
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。
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
进一步理解，玩家是否继续投入，本质上是在不断比较：
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：
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。
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：
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”。
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。
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：
数据检查结果：
K-L 类型分布显示：
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。
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：
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
", "document_id": "G1q2ddC9uo1d3LxWS2KcoFqenJg", "revision_id": 250 } } }