Обсуждение:Дилемма заключённого

Материал из MachineLearning.

Написание и академическая вычитка статьи

Первоначальный черновик статьи был сгенерирован с использованием LLM. В ходе детальной проверки участником были выявлены и устранены серьёзные методологические неточности, в частности, ошибочное приравнивание минимаксных игр с нулевой суммой (GAN) к дилемме заключённого, некорректное обобщение Парето-оптимальности и ошибки в вычислительном эксперименте.

Для финальной генерации применялся корректирующий промпт, составленный на основе развёрнутого академического ревью:

Использованный промпт:

Напиши энциклопедическую статью для вики-ресурса на тему «Дилемма заключённого». Стиль — академичный, инженерный, без воды. Структура и требования: 1. Введение: симметричная некооперативная игра двух лиц. Отметить, что (C,C) Парето-доминирует (D,D). Историческая справка (Флад, Дрешер, Такер). 2. Математическая модель: матрица с переменными T, R, P, S. Условие T > R > P > S. Конфликт индивидуальной рациональности и коллективной эффективности. Отметить, что при 2R > T + S сотрудничество максимизирует суммарный выигрыш. 3. Повторная игра: разграничить конечный (обратная индукция) и бесконечный горизонт. Дать строгий математический порог дисконтирования для Grim Trigger. Упомянуть турниры Аксельрода и стратегии (TFT, Pavlov, Grim Trigger), пояснив уязвимость TFT к шуму. Отделить шумоустойчивые стратегии от ZD-стратегий. 4. Дилемма в ML (MARL): формализация марковской игры с локальными наблюдениями O_i (Sequential Social Dilemmas по Leibo et al.). Описать проблему нестационарности в Independent Q-learning (без категоричных утверждений о сходимости). Описать парадигму CTDE (MADDPG, QMIX) без избыточных обещаний Парето-оптимальности. (Блок про GAN строго исключить). 5. Обобщения: кратко упомянуть эволюционные игры, пространственные графы, Public Goods и Stag Hunt/Chicken. 6. Вычислительный эксперимент: написать воспроизводимый круговой турнир на Python (NumPy default_rng) для 5 базовых стратегий с построением матрицы попарных выигрышей M_ij. Продемонстрировать влияние стохастического шума на TFT и Pavlov. Исправить логику стратегии Pavlov (0 при совпадении, 1 при несовпадении). 7. Литература: оформить через шаблоны {{{заглавие}}}. и {{{заглавие}}}., включить классику (Luce & Raiffa, Axelrod, Flood) и базу MARL (Busoniu, Lowe, Leibo, Rashid), а также Nowak & Sigmund и Press & Dyson.

Математику оформлять строго в тегах , выключные формулы через ::. Использовать класс таблиц standard.

В результате получена статья, связывающая классическую теоретико-игровую модель с передовыми исследованиями в области многоагентного обучения с подкреплением (MARL).

Kirill Bazhutov 18:12, 25 июля 2026 (MSD)