Overview#
机制设计从经济问题本身进入：参与者各自知道的信息不同，目标也可能不同；规则能否使真实报告成为均衡，并让参与者愿意接受结果？总收益最大与方案可实施属于不同问题。地图与解释均为 AI 候选。
Questions#
报告如何改变分配与支付？应在哪个信息阶段比较诚实和偏离？预算、参与和效率约束之间有哪些取舍？当前只深读一个离散双边交易例子，不用一例替代整个学科。
Prerequisites#
需要期望值、条件概率、线性不等式，以及“收益取决于自己的行动和他人的行动”的基本博弈概念。独立先验及报告时序决定期望如何计算；不要求区块链或机器学习背景。
Reading#
- 私人信息与双边交易：先固定估值、效用、报告时序、参与及预算条件，再算完全信息基准。
- 沿同一解释的中点规则反例→随机诚实规则，逐类型比较诚实和偏离。
- 最后读均衡边界与非对称上界，区分弱贝叶斯均衡、逐次自愿、效率损失及一般定理的未读范围。
Myerson 讲义来源记录实际章节与公式视觉核验；没有将不可访问的委员会背景报告当证据。
Connections#
- 结构类比：声誉与共识也须问报告规则是否奖励误报，但它没有本交易模型的支付与私人类型，不能移植数值上界或均衡结论。
- 边界区别：Web3 与信任中的可验证执行回答规则是否被执行，机制设计另外问行动者是否愿意诚实；两者互补而不互相证明。
- 团队目标与私人目标的区别：协同缓存的共同目标优化未自动包含各自隐瞒信息的动机。
Open#
公开报告后均衡如何变化？若允许外部补贴或改变参与时点，哪个约束先放宽？这些先在经济模型内提出，再考虑应用。评价证据与保证保留声誉模型迁移所缺的效用、信息时序和偏离分析；尚未解决。