赢留输换作为重复囚徒困境中自确认均衡

演化博弈论假设参与者通过遗传继承高分参与者的策略。然而，当学习以文化方式发生时，往往难以仅凭观察行为识别某人的策略。本工作中，我们考虑重复囚徒困境中具有记忆一阶随机策略的参与者，并假设他们无法直接获知彼此策略，仅能观察一定轮数内的实际动作。基于观察，观察者须以贝叶斯方式推断常驻策略，并相应选择自身策略。通过考察最优响应关系，我们论证：在合作成本较低且观察性学习带来足够大不确定性的条件下，参与者能以自确认方式从完全背叛逃脱，进入由赢留输换（Win-Stay-Lose-Shift）支撑的合作均衡。