网络异质性与个体偏好协同作用促进集体公平性的机制研究

这篇研究通过行为实验、演化博弈模型和基于主体的模拟，揭示了网络结构异质性（heterogeneity）与个体亲社会偏好（prosocial preferences）的协同作用如何促进集体公平性（collective fairness）。研究发现，公平驱动型个体（fairness-driven individuals）占据网络中心节点（central nodes）时，能通过拒绝不公平提案（rejections）迫使自私提案者提高出价，进而触发普通响应者的条件公平行为（conditional fairness），最终实现网络互惠性（network reciprocity）与分配效率（allocation efficiency）的双重提升。

　　

引言

公平性在人类社会和动物群体中扮演着核心角色，尤其在人工智能、医疗健康和气候变化等关键领域。研究采用两阶段最后通牒博弈（UG）实验设计，结合异质网络结构，探讨了网络拓扑与个体偏好如何协同塑造公平规范。

实验设计与关键发现

实验室行为实验
实验分为无稳定社会连接的阶段I和静态二分网络（bipartite network）阶段II。通过三种处理条件（随机T1、外围T2、中心T3）对比发现：当公平偏好领导者（leaders）占据高连接度中心节点时，集体公平性显著提升。提案者平均出价$p$
=
47.9


接近完全公平分配（50），远超传统实验结果。

分配公平与效率
中心条件T3下，提案者出价$p$


和响应者接受水平$q$


同步达到峰值，分配效率$\pi$


提升且收益差$\Delta$
π


最小化，证明公平与效率的冲突可通过网络-偏好协同解决。

微观机制解析

个体策略动态

• 领导者效应：公平偏好领导者在阶段II通过静态连接持续惩罚低出价提案者，其拒绝行为使邻居提案者被迫提高出价。
• 最佳响应策略（BR）：90%提案者采用近视最优策略，中心节点的领导者通过拒绝威胁改变邻居策略。
• 条件公平行为：普通响应者受间接影响提高$q$

值，形成“搭便车”但最终协同强化的公平环境。

理论模型验证

演化博弈模型
构建三节点简化系统（提案者、领导者、普通响应者），复制动力学方程显示：

• 中心条件（$w$
  =
  7
  16

）下公平均衡$\left(1,1,0\right)$ 全局稳定 - 外围条件（$w=\frac{3}{16}$ ）理性均衡占优

基于主体模拟
在BA类二分无标度网络（scale-free networks）中验证：领导者占据高连接节点时，网络异质性（CV>1）显著放大公平效应，与九组实证网络结果一致。

讨论与展望

研究揭示了“社会多样性”（social diversity）——即网络拓扑异质性与个体偏好差异的协同——是集体公平性的关键驱动力。未来需探索高阶网络（higher-order networks）中领导者的间接影响力，以及动态网络（adaptive networks）中链接重组的成本效应。该机制可拓展至囚徒困境（PD）等博弈场景，为人工智能伦理算法和公共卫生政策设计提供新思路。