导言

        在行为博弈论与神经经济学的交叉前沿，固定配对重复博弈中的人类决策长期存在核心谜题：个体行为究竟由适应性学习驱动，还是源于对对手的层级推理？二者如何交互？

        本期介绍南京农业大学冯骏等在2026年发表在Games and Economic Behavior的研究成果“Neural correlates of interactions between adaptive learning and hierarchical reasoning in repeated strategic games”。论文首次以模型驱动 fMRI 技术，在神经层面验证了适应性学习与层级推理的协同机制，为行为博弈模型选择、重复博弈理论拓展提供了突破性证据。

一、研究方法与主要结论

          本研究以经典11-20 金钱请求博弈为实验范式，固定配对重复互动设计，对比纯适应性学习模型（EWA、SEWA）与融合推理的贝叶斯层级 k 模型（BLK）进行了比较。在行为层面，BLK 模型的 BIC 指标显著优于 EWA 与 SEWA，但是BLK与EWA的样本外预测能力接近；实证证明，一些特定的行为模式既可以被EWA模型解释为适应性学习也可以被BLK模型解释为阶层式推理。

        在神经层面，内侧前额叶皮层（mPFC）的活动，仅 BLK 模型可精准解释，证实层级推理是重复博弈决策的核心组成；吻侧前扣带回（rACC）编码适应性学习预测误差，且激活强度与推理程度负相关，揭示传统 EWA 模型易将层级推理行为误判为信念学习；右侧颞顶联合区（rTPJ）、背外侧前额叶（rDLPFC）分别负责模拟对手学习与高阶信念更新，前脑岛整合三类预测误差信号。

        本研究展示了，当行为数据无法区分模型时，脑活动信号具有作为独立证伪工具的潜力，为行为博弈模型的有效性验证提供全新方法论。

二、对博弈论的核心贡献

        打破 “重复博弈仅由适应性学习主导” 的传统假设，证明层级推理与学习的交互是固定搭档互动的核心机制，修正了纯学习模型对行为的误读。 

2. 升级行为博弈模型范式

        实证支持 BLK 等混合推理 - 学习模型的科学性，为重复策略互动提供更具解释力与预测力的基准模型，推动认知层级理论从单次博弈走向重复博弈。 

3. 拓展神经经济学的理论价值

        首次揭示社会脑网络并非统一整体，而是分工编码不同博弈计算过程，为博弈决策的神经机制提供精细化框架。 

4. 赋能理论可证伪性

        建立 “行为 + 神经” 双维度模型检验路径，解决传统行为研究中 “多机制解释同一行为” 的困境，提升博弈论模型的严谨性与实用性。自此，我们提出评价一个好的行为博弈理论模型的基本要求是其必须能同时解释行为数据和神经数据。

三、研究意义与应用前景

        这篇研究是理论博弈论、行为博弈论与神经科学深度融合的典范。致力于为经济理论构筑自然科学基础。既回答了 “重复博弈中个体如何决策” 的基础问题，也为机制设计、合作演化、策略互动等领域提供新的理论起点。其结论可直接应用于拍卖、谈判、供应链博弈等现实场景，让博弈模型更贴合人类真实决策逻辑。

📖 原文信息：Feng, J., Jin, J., Zhao, S., Derrington, E., Qin, X., Fu, S., Shen, Q., & Dreher, J. C. (2026). Neural correlates of interactions between adaptive learning and hierarchical reasoning in repeated strategic games. Games and Economic Behavior, 158, 167–190.