Evilom
7.8 KiB
2026.06.30-日报-莫润麟
Source: https://feishu.cn/docx/FyZUw8z7di5LZFk6wtXcU50Onj1
今日内容
①推进AI学术知识库 ②博弈论基础函数均衡解释
一、推进AI 学术知识库
（一）今日推进思路
基于昨天筛选结果，继续推进 AI 论文知识库。
不追求“一步打通全部流程”，而是把不同工具拆成几个稳定层次：
Zotero（管文献）：文献管理层，保存 PDF、元数据、DOI、标签和分类；
Codex（大脑/动手）：AI 研究助理大脑，负责调研项目、设计流程、执行部署、整理精读、生成索引、构建卡片、检索证据、辅助写作和质量控制；
Obsidian（存知识）：知识沉淀层，保存文献精读、机制卡片、变量卡片、方法卡片和综述矩阵；
Skill（定规则）
Research-Vault-Literature-Retrieval（约束检索）：检索规则层，让 AI 基于已有 vault 内容检索证据、回答研究问题；
Zotero-Analytical-Workflow-Skills（整理归纳）：精读规则层，提供论文精读模板、字段结构和整理规范；
HTML 看板（展示）：展示层，方便查看文献分类、精读笔记、正文内容和建设进度。
（二）核心 Skill 工作流
确认并推进了两个核心 skill 的分工。
Zotero-Analytical-Workflow-Skills（负责整理）
主要承担 Zotero 到 Obsidian 精读笔记的整理工作；
它不是简单同步元数据，而是把论文整理成适合研究使用的结构化笔记；
笔记内容包括研究对象、研究方法、核心变量、研究结论、我的判断和质量说明等。
Research-Vault-Literature-Retrieval（负责检索）
主要承担 Obsidian vault 内的证据检索工作；
它不是用来生成笔记的，而是在已有笔记基础上进行检索；
检索时会先读取文献索引、主题索引、方法索引和字段检查，再定位精读笔记，最后基于已有证据回答问题。
（三）Obsidian知识库结构完善
完善了 Obsidian 中的知识库结构。
当前目录包括：
00_入口
01_文献精读
02_理论卡片
03_机制卡片
04_变量与测量
05_研究方法
06_综述矩阵
07_论文写作
90_原始导入
99_附件与归档
同时整理了几个核心入口文件：
DBA_Hub首页
Zotero全库推进看板
文献索引
研究主题索引
研究方法索引
字段补全检查
待补材料与质量风险
这些文件是后续 AI Agent 检索 vault 和辅助论文写作的基础。
（四）Zotero 文献精读整理进展
当前进展：
Zotero 条目总数：29 条
已形成可检索精读覆盖：26 条
实际精读笔记文件：25 篇
待补风险材料：3 条
已整理的主要文献模块包括：
竞赛理论与锦标赛理论；
平台治理与平台生态；
综合投入、用户付费与商业化；
机器学习与可解释模型。
这些模块分别服务于论文中的理论基础、平台治理框架、核心变量定义和后续方法设计
（五）精读笔记与知识卡片生成
生成了单篇文献精读笔记，进一步整理了论文写作需要的二级知识结构。
已形成内容包括：
文献精读笔记
文献矩阵
机制卡片
变量卡片
方法卡片
知识库不再只是论文摘要集合，而是开始转化为论文写作可直接调用的理论、机制、变量和方法材料。
（六）HTML 知识库看板建设
将当前建设结果整理成 HTML 看板，并根据实际使用需求进行了优化。
目前 HTML 看板结构为：
左侧：文献分类
中间：精读笔记列表
右侧：精读笔记正文阅读器
顶部：搜索与排序
目前该页面已经可以：
查看 6 个文献分类；
浏览 25 篇精读笔记；
在网页中直接阅读精读正文；
搜索标题、作者、主题、变量和核心发现；
按分类、年份、标题排序；
打开 Zotero 条目和 PDF。
二、博弈论基础函数均衡解释
继续推进博弈论理论部分，
把基础模型写成一个有解释力的参照组：
说明在没有特殊机制调节时，团体竞赛中为什么会出现投入不足、搭便车和边际投入意愿下降，
为后续三机制修正提供理论必要性。
（一）今日推进重点
昨日已完成：
博弈论推进程度
基础收益函数理论来源
基础模型 FOC 的初步推导。
推进一个更关键的问题：基础模型本身要有解释力。
而是要进一步说明：
为什么这个基础均衡会产生投入不足
为什么玩家可能不愿意投入到团体最优水平
为什么后续需要私有性、激励性和公平性机制来修正基础均衡
📌基础模型应该承担"参照组"作用。 先说明无特殊机制调节时的问题，后面三机制扩展才不是简单堆概念，而是在修正基础模型中的具体缺口。
（二）参考博弈论论文的推进
Park & van der Schaar（2010）对本文有一个重要启发：
它不是一开始就直接讨论各种激励机制
而是先建立无激励机制下的基础博弈，分析非合作均衡中为什么会出现不分享、搭便车或低效率结果。
然后再讨论不同激励机制如何改善基础均衡。
📖文献： Park, J., & van der Schaar, M. (2010). A game theoretic analysis of incentives in content production and sharing over peer-to-peer networks.
关键启发：基础模型不是简单引子，而是后续机制扩展的参照组。只有先说明基础均衡哪里"不够好"，后面三机制才有理论必要性。
（三）基础模型的参照组作用
👉 基础收益函数沿用昨日设定：
这个基础模型表达的是：玩家不是确定获得奖励，而是通过投入影响团体表现，再通过团体表现影响获得奖励的概率，同时需要承担个人投入成本。
因此玩家投入决策的核心不是"团体赢了好不好"，而是：
我多投入一点，自己能获得多少额外预期收益？
这部分额外收益是否大于我的额外成本？
基础模型的作用：提供一个"无特殊机制调节"的基准情形，用来观察个体玩家在固定收益份额下会如何选择投入。
（四）基础模型均衡条件整理
玩家选择 最大化自身收益，对基础收益函数求导：
得到基础均衡条件：
进一步将团体表现展开：，，，则：
因此基础均衡条件可写为：
每一项的含义：
：个体能分享多少团体收益
：竞赛奖励价值
：团体表现变化能否改变排名或奖励机会
：团体总投入能否有效转化为战功或竞争表现
：继续投入的边际成本
说明：玩家投入取决于"个人可获得的边际收益"，而不是团体整体收益。
（五）加入二次成本后的直观均衡表达
假设个体投入成本为二次函数：， 为投入成本强度。
则 ，基础均衡条件变为：
可以得到一个直观表达：
需要注意：这里不是在追求严格闭式解。 和 在更一般的函数形式下可能仍随投入水平变化，
因此这个式子更适合理解为对基础均衡条件的直观整理，而不是完整求解结果。
📌这个表达可以直观看出：
越高 → 玩家能分享的团体收益越多 → 基础投入越高
越高 → 竞赛奖励价值越高 → 基础投入越高
越高 → 团体表现越能改变排名或奖励机会 → 基础投入越高
越高 → 团体投入越能转化为战功 → 基础投入越高
越高 → 投入成本越高 → 基础投入越低
这一步让基础模型更有体感：玩家投入不是凭空发生的，而是由个人边际收益和边际成本共同决定。