Egil Diau ${}^1$

摘要

多智能体AI中的一个关键挑战是在现实的行为约束下建模社会合作。经济学和伦理学中的许多基础概念，如“信任”或“道德”，通常被非正式地定义，缺乏可操作标准或认知依据，这限制了它们在人工智能体中的可测试性和实现性。通过整合来自灵长类动物行为、婴儿认知和经济人类学的实证证据，我们提出了一种由三个认知上最小化的机制组成的概念框架：个体识别、互惠信念和成本-收益敏感性。该框架将信任重新定义为一种分级的认知期望，为人工智能体中的互惠交换提供了可模拟的基础，并使自下而上的可扩展合作和制度动态得以出现。

图1. 三种核心认知机制——个体识别、互惠信念和成本-收益敏感性——作为在人工智能体中模拟互惠交换的行为原语。

1. 引言

经济模拟中长期存在的一个空白是缺乏行为依据：大多数模型从制度开始——市场、合同、收益矩阵——同时假设使这些系统可行的认知和社会机制。这限制了人工经济智能体的解释力和可模拟性。

这一问题也在更广泛的$\mathrm{AJ}+$ 社会研究中反映出来。“信任”、“价值”和“合作”等概念通常被视为抽象标签，仅在结果层面进行操作化。如果不将这些构建基于可观测机制，模型可能会模拟经济生活的表面，而无法建模其起源。

在本文中，我们认为经济交换的基础——以及由此延伸的大规模合作——可以追溯到三个认知上最小化、生物学上有依据的机制：个体识别、互惠信念和成本-收益敏感性。这些能力在人类和非人类灵长类动物中都有观察到，并支持持续的互惠交换，而无需符号信任或正式执行。

人类学研究表明，早期的人类交换并非基于物物交换或等价原则，而是嵌入在社会互惠中。例如，库拉环系统（Malinowski, 2013）强调义务和联盟而非交易。同样，灵长类动物学记录了黑猩猩和倭黑猩猩之间的强大互惠行为——梳毛（De Waal, 1997）、食物共享和联盟——表明互惠交换的行为基础在不同物种和发育阶段中都是可观察的，并且先于正式市场系统的出现。

我们提出了一种基于这三个机制的模块化框架，旨在作为经济模拟中的行为原语。这种方法不仅连接了认知科学和制度理论，还使得债务、信用和货币行为如何从重复的社会互动中自下而上地涌现得以建模。

我们的贡献。我们提供了一个理论上的重新定位：一个以认知为基础的互惠交换账户，阐明了经济系统如何从社会行为中产生，而不是从制度设计中产生。具体来说，我们：

• 确定了三个最小机制——个体识别、互惠信念和成本-收益敏感性——作为建模经济交换出现的可模拟行为原语；
• • 整合了来自灵长类动物行为、婴儿认知和经济人类学的证据，以支持这些机制在不同物种和发育阶段中的表现；
• • 将“信任”重新定义为一个可量化的期望——互惠信念——而不是一种道德抽象；
• • 将行为经济学的关键发现——如不平等厌恶、互惠合作和利他惩罚——解释为潜在生物机制的一致表达，而不是对理性选择理论的异常。
    这项工作重新定义了经济建模，不是自上而下的规则实施，而是从认知互动中自下而上的制度涌现。

伦理声明 重要的是，这项工作并不依赖进化解释。虽然我们借鉴了灵长类动物和人类婴儿的行为证据，但我们的目标并不是声称交换的先天或适应性起源。相反，这些案例作为经验约束，用于识别互惠行为所需的最小认知机制。我们的账户基于行为可行性，而不是进化目的论。

2. 相关工作

2.1. 基于代理人的社会模拟

最近在多智能体语言模型方面的进展产生了能够规划、谈判和脚本合作的系统（Park et al., 2023; Li et al., 2023）。然而，这些模型通常缺乏行为依据：它们将交互模拟为令牌级对话，而没有建模使社会交换稳定所需的内部机制——如伙伴记忆、互惠跟踪或成本效益敏感性。

尽管一些框架包含持久记忆模块或基于启发式的推理，但这些组件往往缺乏原则性约束。智能体要么无差别地记忆，要么以不稳定或不透明的方式更新状态，这使得长期互惠动态难以模拟。因此，表面上的合作往往源于提示偏差或硬编码行为，而不是可模拟的社会推断。

这一空白有两个关键后果：(1) 它限制了多智能体模拟作为人类社会行为模型的解释价值；(2) 它阻止了对早期交换机制如何扩展为制度形式的系统探索。我们的框架通过识别最小的、生物学上可行的机制来解决这个问题，这些机制可以嵌入到LLM智能体中，以支持基于时间的动态互惠。

2.2. 非人类灵长类动物中的互惠行为

灵长类动物学研究为互惠行为的行为基础提供了关键见解。例如黑猩猩和倭黑猩猩在食物共享、梳毛和联盟支持等情境中表现出互惠行为。例如，de Waal（De Waal, 1997）说明了黑猩猩如何通过互惠交换形成长期的社会联盟，Brosnan等人（Brosnan & De Waal, 2003）证明灵长类动物对公平和结果不平等的敏感性。

虽然这些研究详细记录了互惠行为的形式，但它们通常未能将这些行为与更广泛的经济互动架构联系起来。这些机制如何扩展或演变为结构化的交换系统的问题仍然相对未被充分探索。

我们的框架通过将灵长类动物的互惠行为置于认知-行为模型中来建立这些发现。我们认为，诸如个体识别、互动历史记忆和公平敏感性等能力构成了更复杂的人类经济系统可以出现的生物学基础。

2.3. 没有市场的社会交换

人类学研究长期以来挑战了支撑经典经济理论的物物交换起源神话。《礼物》（Mauss, 2024）和《石器时代经济学》（Sahlins, 2013）等奠基性作品认为，早期的交换不是由市场逻辑驱动，而是嵌入在社会关系网、相互义务和象征性声望之中。

这些研究在将注意力从交易等价转移到嵌入式价值形式方面起到了重要作用。然而，它们通常回避了什么类型的认知和行为机制使这些系统可行的问题。换句话说：是什么使个人能够参与持续的、延期的、具有社会条件的交换？

我们的框架通过识别使互惠能够在时间和社交伙伴间稳定的最小行为架构来补充这些人类学见解。我们认为，互惠不仅仅是文化发明，而且是一种跨物种可观察的行为上可行的结构。

2.4. 从行为异常到认知基质

行为经济学显著推进了我们对社会偏好的理解，特别是在公平、合作和互惠的背景下。最后通牒博弈（Güth et al., 1982）、信任博弈（Berg et al., 1995）和公共物品博弈（Fehr & Gächter, 2002）揭示了与自我利益理性系统偏离的现象，参与者拒绝不公平提议、奖励合作并惩罚搭便车者。

这些实证模式导致了“不平等厌恶”（Fehr & Schmidt, 1999）和“强互惠”（Gintis, 2000）等有影响力的模型，这些模型假定内化的公平规范和规范执行偏好。然而，这些模型通常将相关能力——如公平敏感性或社会追踪——视为给定的，而不是解释的目标。

相比之下，我们的框架将这些偏好视为特定认知-社会机制的新兴结果：个体识别、互动记忆和成本-收益评估。通过将重点从结果转移到底层能力，我们旨在将行为经济学观察与生物学上基于交换行为的账户结合起来。

图2. 来自人类学、灵长类动物学和发展心理学的证据表明，经济交换的行为基础在于互惠——而非物物交换或市场逻辑。

3. 背景：交换的行为起源

3.1. 物物交换的神话与交换的互惠基础

经济起源的标准叙述通常从物物交换开始：早期人类在没有货币的情况下直接交换商品，市场和货币随后出现以减少交易摩擦。这个叙述虽然直观吸引人，但在民族志或历史记录中几乎没有支持。

正如萨林斯在《石器时代经济学》（Sahlins, 2013）中所论证的，早期交换系统并非围绕等价构建，而是围绕关系模式的互惠——普遍的、平衡的和负向的。这些形式的不同之处不在于理性，而在于社会距离和时间导向：普遍互惠，通常发生在亲属之间，涉及开放的给予而不期待立即回报；平衡互惠，在同龄人之间，涉及大致相等的时间间隔交换；负向互惠，通常发生在对手或陌生人之间，反映了机会主义或剥削行为。

一个典范的民族志例子是马林诺夫斯基描述的库拉环（Malinowski, 2013），在特罗布里恩群岛中，仪式性的臂环和项链通过长期的声望交换循环流动。这些物体的实际效用价值很低，却按照严格的定向模式、社会记忆和伙伴专属性进行交换。看似象征性的仪式实际上是一个复杂的系统，包括关系追踪、声誉评估和义务扩展——正是这些认知需求结构了早期形式的交换。

莫斯的《礼物》（Mauss, 2024）进一步形式化了这一洞察，展示了古代社会中赠礼如何嵌入在一个三重义务中：给予、接受和回馈。礼物不仅仅是一种价值转移，而是维持长期社会纽带的一种手段。从这个角度来看，早期交换并非个人理性选择的产物，而是生物学和社会基础上的行为——追踪个体、记住互动、维持联盟并调整不对称回报。

这些基础表明，交换不仅在历史上早于市场，而且在认知上也是如此。从这些系统中出现的不仅是制度框架，还有一个结构化的行为逻辑——我们在下一节中将其形式化。

3.2. 生物学互惠的三大核心机制

如果最早的经济互动并非由非人格化的物物交换驱动，那么是什么行为动力使持续的交换成为可能？我们认为，互惠交换的出现并非出于对价值均等化的需要，而是出于在重复社会互动中保持问责和连续性的能力。

这些早期交换并非市场交易，而是由记忆、相互响应和特定伙伴互动历史塑造的嵌入式社会模式。在这种观点下，交换并非起源于价格形成，而是来源于行为基础设施：使个体能够追踪他人、评估合作价值并预期互惠的认知和社会能力。

为了形式化这些行为基础，我们提出了一个基于认知的框架，由三个可模拟的机制组成：

• 个体识别：使智能体能够随着时间推移识别并重新接触特定的社会伙伴；
• • 互惠信念：一种可量化、可更新的期望，即合作将得到回报；
• • 成本-收益敏感性：使智能体能够根据动态收益不对称调节合作行为。
    这三种能力得到了来自非人类灵长类动物和人类婴儿的汇聚证据的支持，表明它们既生物学上合理又发展上早期。重要的是，它们不仅仅是描述性的——它们可以在多智能体系统中作为模块化组件进行模拟。

虽然灵长类动物研究丰富地记录了互惠行为——梳毛、食物共享、联盟支持——但维持这种行为的认知前提往往隐含。正如（Schino & Aureli, 2010）所指出的，互惠经常被视为一种局部反应模式，而不是涉及记忆和预期的结构化过程。然而，互惠交换本质上要求连续性。如果没有对未来的互动的识别或预期，类似信任的行为功能就无法出现。

通过将这些机制定义为行为原语，我们提供了一个自下而上的经济出现模型——它不是基于规则，而是基于生物学上合理、认知上最小的社会互动基质。

4. 理论框架：经济交换的可模拟原语

现有的基于代理人的合作努力通常依赖于工程激励、固定策略空间或“信任”等概念的符号近似。缺失的是一种生物学上有依据、可模拟的行为能力账户，这些能力使互惠交换成为可能。

我们提出三个最小机制——个体识别、互惠信念和成本-收益敏感性——作为一个组合框架，用于模拟经济交换的出现。这些机制是：

• 认知上最小化：每种机制都得到了来自非人类灵长类动物和人类婴儿的实证数据支持；
• • 行为上可追踪：每种机制在现实世界合作中有可观测的相关性；
• • 可模拟：每种机制都可以在基于代理人的系统中作为决策模块或更新函数实现。
    这个框架允许社会交换从底层建模——不需要依赖预定义的市场、制度或收益矩阵。

4.1. 个体识别

我们将个体识别定义为在时间上识别和区分特定代理的能力，使以前的社会互动能够被追踪。这种能力奠定了第一个也是最基本的信任来源：与已知他人积极互动的记忆。如果没有识别能力，关于过去合作的信息就不能有意义地保留或用来指导未来的行为。

在非人类灵长类动物中，这种能力特别强大。最近的一项研究表明，黑猩猩和倭黑猩猩在分离几十年后仍能记住熟悉的个体，并优先关注那些与其有积极社会历史的个体（Lewis et al., 2023）。这些发现表明，猿类的个体识别是长期的和身份特定的，使社会伙伴能够被跨时间追踪。

在非人类灵长类动物中，个体识别使特定伙伴间的合作成为可能。在拉绳任务中，黑猩猩根据伙伴的身份和先前行为调整自己的行动——暂停、注视或做手势以发起协调（Hirata & Fuwa, 2007）。食物共享容忍度较高的配对在联合任务中也更为成功，表明合作记忆围绕已知的社会伙伴构建（Melis et al., 2006b）。

在人类中，这种能力很早就出现了。年仅14个月的婴儿会选择性地帮助或与之前表现亲社会行为的个体分享（Dunfield et al., 2011）。这些发现表明，即使在其早期形式中，识别也与社会历史相关，并用于指导未来的合作行为。

4.2. 互惠信念

“信任”一词在各学科中广泛使用，但很少被精确定义。在日常语言和科学文献中，它被用来描述道德承诺、情感亲近、制度可靠性以及行为期望——常常交替使用。这种概念上的模糊性使得信任在比较、发展或人工环境中难以操作化。

为了解决这一差距，我们引入了互惠信念的概念：一种基于认知、分级的期望，即另一个代理将以合作回应合作。互惠信念并不假设道德美德或社会义务。相反，它源自信息线索——通常是基于以下两个要素之一：(1) 过去针对自己或他人的亲社会行为，或 (2) 使合作回报可能的情境信号。它不是一种感觉，而是一种功能：一种决定权重变量，支配进入或继续互惠交换的意愿。

与分类信任不同，互惠信念本质上是标量的：它反映了智能体相信合作会被回报的可能性，而不是是否会回报。将互惠信念视为标量变量对于将合作建模为动态、情境敏感的行为至关重要。

我们区分了互惠信念的三个主要来源：

1. 直接的积极互动历史，其中个体经历了先前的亲社会行为、亲社会互动或情感联结。
2. 2. 名誉推断，其中个体观察或学习到他人的亲社会行为。
3. 3. 角色期望，其中社会角色或制度规范导致默认的互惠期望。
      每个来源在可靠性、稳定性及认知成本上有所不同，但都促成了类似信任的行为的出现，而无需道德承诺。这些来源共同提供了互惠信念的信息基础——一种灵活、分级的期望，即他人将以促进合作的方式行事。

实证研究表明，这些来源在不同物种和发育阶段中差异性出现。在黑猩猩中，当个体有直接的亲社会互动历史时，互惠合作是一致观察到的，几乎没有证据表明基于名誉的推断或基于角色的期望。同样，人类婴儿对直接帮助过他们的代理表现出早期敏感性，但在第三方观察或角色泛化方面的使用有限。这些模式表明，直接的积极互动是互惠信念的基础层，而其他两种来源则随发育和文化发展而出现。

在不同物种中，直接的亲社会互动构成了互惠信念最稳健和基础的来源。在野生黑猩猩中，梳毛不仅在当下交换，还在长时间范围内交换。纵向数据显示，给予和接收的梳毛在配对中显著相关，即使延迟数天——表明黑猩猩保持了过去互动的记忆，并相应地校准未来行为（Gomes et al., 2009）。实验研究进一步表明，黑猩猩倾向于与之前的合作伙伴合作，这表明它们编码了特定个体的社会历史，并在合作情境中战略性地部署它（Melis et al., 2006a）。

人类婴儿表现出相似的早期能力。到三岁时，儿童不太可能帮助那些之前表现出有害意图的个体——即使伤害是针对第三方的，即使没有实际造成伤害。这种选择性避免表明，婴儿不仅追踪结果，还追踪代理先前行为的道德价值，以决定是否参与亲社会互动（Vaish et al., 2010）。

总的来说，这些发现支持了直接的积极互动在生成互惠信念中的首要地位。与推断或抽象不同，这种来源依赖于生活经验——将合作期望锚定在可观察的历史中，而非假设的角色或间接线索。

关于“信任”的注释。区分社会信任与更好的功能依赖也很重要。像ChatGPT或Google这样的当代系统常被认为“值得信赖”，但实际上只是因为它们输出一致、广泛应用且从未失败才被依赖。这种感知的“信任”最好理解为可用性、网络效应和反复暴露的结果——而非互惠的社会责任。

类似的语义混淆在金融话语中也很常见，“对金钱的信任”或“对银行的信任”经常被引用为经济稳定的基础。然而，在这些情况下通常指的是人际信任，而是对机构执法、流动性保证或系统性失败缺席的信心。

4.3. 成本-收益敏感性

我们定义成本-收益敏感性为评估参与合作行为是否在一段时间内带来净收益的能力。与分类启发式（例如总是合作或总是背叛）不同，这种敏感性使智能体能够根据正在进行的互动的收益结构调节其参与。它允许退出剥削关系并强化有益关系，作为互惠动态的调节机制。

这种能力不需要涉及明确计算；近似评估——如追踪近期给予和接受的不平衡——足以支持适应性行为。例如，黑猩猩不太可能与那些未能回报过去的合作伙伴进行梳理或分享，即使这些成本不是即时或对称的。同样，婴儿逐渐减少对那些一贯未能回报注意或帮助的代理的帮助行为。

这种敏感性确保了互惠交换在不确定性下保持稳健，防止剥削，同时在动态社会环境中保持灵活性。

在非人类灵长类动物中，成本-收益敏感性在亲社会和报复性情境中都有体现。黑猩猩参与类似于服务的交换，其中帮助行为取决于从他人那里获得的先前好处（De Waal, 1997）。他们也能够进行负面互惠：报复那些从他们那里偷窃的个体，即使这种报复没有直接好处——表明期望公平回报并对故意伤害敏感（Jensen et al., 2007）。

在人类中，这种机制的早期痕迹出现在婴儿期。到18个月大时，孩子们有选择地将帮助或分享行为指向之前表现公平或合作的代理（House et al., 2013）。这些决定不是基于抽象的正义原则，而是基于感知的成本和回报模式——谁给予，谁扣留，以及在什么情况下。

总体而言，这些发现表明，成本-收益敏感性使有机体能够校准合作投资，在没有正式制度或明确合同的情况下维持互惠。作为经济认知的基本组成部分，它在价格或财产出现之前就治理了交换的微观动态。

5. 通过记忆设计实现的可能方法

虽然每个提出的机制单独来看是可处理的，但将它们集成到统一架构中仍然是一个开放的挑战——尤其是由于当前基于LLM的智能体在记忆设计方面的限制。大多数现有的多智能体框架缺乏持久的、结构化的记忆，导致浅层次的社会建模和有限的行为适应能力。

我们建议，每个行为原语——个体识别、互惠信念和成本-收益敏感性——都可以通过针对智能体记忆和检索机制的扩展来实现：

• 个体识别可以通过使用身份特定的记忆槽或嵌入索引检索系统来实现，使智能体能够存储和检索与命名伙伴的互动历史。这支持了智能体行为的连续性，并使未来响应可以根据伙伴身份进行条件化。
• • 互惠信念可以表示为与记忆中每个智能体相关的内部潜在变量或标量注释（例如，“智能体X: 信念=0.7”），并通过轻量级启发式方法进行更新（例如，最近加权的亲社会行为）。这允许LLM智能体推断、表示和更新伙伴期望，而无需明确的奖励函数。
• • 成本-收益敏感性可以通过过去合作尝试和结果的结构化记忆日志来实现。智能体可以跟踪累积的给予-获取不对称，并相应调整未来投资。提示可以将此信息作为决策理由的一部分呈现（例如，“智能体Y 已经连续三轮只取不予”）。
    这些策略使受生物学启发的互惠可以通过以记忆为中心的扩展进行建模，而不是通过强化学习或符号规划。通过将社会行为的负担转移到结构化记忆设计和提示级别推理上，这个框架为更具有社会能力的LLM智能体开辟了一条可行路径。

6. 含义与讨论

6.1. 框架的局限性

比较方法学。比较心理学和发展心理学使用根本不同的实验范式。虽然灵长类动物研究经常捕捉到生态有效的互动行为，但人类婴儿研究通常依赖于简化且高度受限的设计。这种不对称性限制了我们跨物种比较能力的精细程度。

制度复杂性。尽管我们认为现代交换制度建立在生物学上有依据的行为底座之上，但我们并不声称这些机制本身足以解释诸如货币、计息债务或税收等正式系统的出现。这些可能还需要额外的文化、历史和象征发展。

社会规模与执行。我们的框架专注于互惠交换的二元和小群体基础，其中个体识别并响应特定伙伴的行为。它尚未考虑到支持大规模匿名合作的机制——如第三方惩罚、规范内化或更广泛社会网络中的声誉管理。这些都是现代制度的关键特征，将框架扩展到如何从基本社会认知中出现或分层构建这些系统仍是未来工作的关键方向。

6.2. 理论含义

从制度到认知。我们的工作重新定位了交换的研究，从制度或象征视角转向认知-行为基础。我们并未将市场、货币或债务视为促成交换的文化发明，而是认为交换本身扎根于先前的认知和社会能力——这些能力先于并支持制度化。

重新思考信任作为系统稳健性。术语“信任”在经济交换讨论中经常被提及，但它将不同的概念捆绑在一起——从人际关系的可靠性到对系统的信心。我们认为这种模糊性限制了它的解释价值。

为了解决这个问题，我们引入了互惠信念：一种分级的、生物学上有依据的期望，即合作将得到回报。它源于识别、互动历史和成本-收益敏感性——而非道德义务。相比之下，对像货币或平台这样的大规模“信任”更好理解为对稳健性的信心，而非社会责任。这种重新定义澄清了互惠行为如何在不假设制度信任的情况下扩展。

跨物种交换的基础。通过将灵长类动物合作研究与人类发展数据和非货币交换的人类学描述对齐，我们为建模经济行为的起源提供了跨物种桥梁。这种综合观点挑战了复杂交换系统是人类独有的观点，而是将其根源定位在更广泛的社会认知中。

通过认知基础统一行为经济学。行为经济学中的许多发现——如公平偏好、互惠合作和对框架或损失的敏感性——通常被视为对理性选择理论的偏离。然而，灵长类动物学和发育心理学的证据表明，这些行为反映了一致的生物模式：它们在人类发展中早期出现，在类人猿中反复出现，并遵循可预测的社会认知约束。与其说是异常或拼凑的启发式方法，这些倾向可能更好地理解为潜在行为逻辑的结构化表达——这种逻辑由导航社会交换的认知需求塑造。

6.3. 未来工作

6.3.1. 在代理模拟中操作化经济涌现

未来研究的一个关键方向是将所提出的三种行为原语——个体识别、互惠信念和成本-收益敏感性——作为显式、模块化组件嵌入基于LLM的多智能体系统中。
这不仅涉及定义每种机制的内部表示（例如，用于身份识别的持久记忆槽、用于互惠跟踪的标量信念值和基于互动加权的成本-收益摘要），还要研究它们如何在时间和伙伴间动态交互。

我们建议未来的模拟系统测试：

• 内存限制（例如，有限的身份跟踪）如何影响持续合作的出现；
• • 具有标量信念变量的智能体是否自发区分伙伴并调节亲社会行为；
• • 在什么条件下成本-收益不对称触发退出、报复或象征性替代（例如，代币、信用标记）。
    这些实验可以帮助识别支持可扩展交换所需的最小内存和推理结构。更广泛地说，这条研究路线为模拟制度出现——从微观层面的互惠到中观层面的规范和原经济工件——提供了一条具体的途径，基于生物学上合理的认知。

6.3.2. 通过行为原语模拟制度形成

未来研究的一个有前景的方向是通过将行为原语嵌入人工智能体中来模拟经济制度的出现——如债务、象征性交换和信任网络。这些原语，来源于比较心理学和发育研究，包括个体识别、互惠信念和成本-收益敏感性——作为建模可扩展合作的最小基质。记忆和联结可以嵌入在支配信念形成的的学习过程中。

随着大型语言模型（LLM）智能体和具身多智能体模拟器（例如，Habitat、ThreeDWorld、AutoGen）的兴起，现在可以探索是否赋予这些原语的智能体会自发发展出互惠交换系统、角色专业化、象征性债务或原货币行为。这些实验将有助于识别可扩展合作的最小基质，并为构建具有社会能力的人工智能体提供生成框架。

重要的是，这种方法还使我们能够测试行为互惠在什么条件下转变为制度化：例如，有限的内存容量是否导致象征性代币的出现，或者智能体密度的增加是否需要普遍的信任表示。模拟环境提供了一种新方式，将交换的认知模型与未来人工社会系统的设计相结合。

6.3.3. 不熟悉智能体之间的交换

一个尚未解决但至关重要的问题是不熟悉智能体之间互惠交换的可能性。虽然大多数现有研究——无论是在灵长类动物学、发展心理学还是经济人类学中——都集中在社会熟悉的背景下的合作，但对在缺乏识别、共享规范或互动历史的情况下交换如何展开知之甚少。不熟悉个体之间的交易，特别是没有制度执行的情况下，可能需要尚未完全理解的独特认知或沟通支架。我们强调这一点不是当前框架的局限，而是未来研究必须解决的开放前沿。

7. 结论

本文提出了一种基于认知的框架，用于在多智能体系统中建模经济交换的行为起源。我们确定了三个可模拟的原语——个体识别、互惠信念和成本-收益敏感性——在没有正式机制的情况下支持持续的互惠合作，而不是依赖制度假设或符号抽象。

我们的框架解决了中央建模挑战：如何操作化诸如“信任”或“道德”等在人类社会中基础性的概念，但往往在计算系统中缺乏共识定义或具体实施路径。通过结合灵长类动物行为、婴儿认知和经济人类学的证据，我们将这些抽象概念重新定义为可观测的、认知上最小化的机制——为在人工智能体中实现提供了可行的基础。

这种观点鼓励从自上而下的经济建模转向自下而上的模拟，其中复杂结构从智能体互动中涌现，而不是被强加。未来的工作可以将这些原语嵌入到大规模多智能体环境中，以探索可扩展合作和交换系统的自发形成。

影响声明

本文提出了一种基于认知的框架，用于模拟经济交换的行为起源，具有在多智能体建模、人工社会系统和AI + 社会基础研究中的潜在应用。尽管这项工作是理论性的，并不涉及数据收集或部署，但它提供了生物学上合理的原语，可以提高基于智能体系统的可解释性和社会能力。我们预计这项研究不会产生任何可预见的负面社会后果或伦理风险。

参考文献

Berg, J., Dickhaut, J., and McCabe, K. Trust, reciprocity, and social history. Games and economic behavior, 10(1): $122-142,1995$.

Brosnan, S. F. and De Waal, F. B. Monkeys reject unequal pay. Nature, 425(6955):297-299, 2003.

De Waal, F. B. The chimpanzee’s service economy: Food for grooming. Evolution and Human Behavior, 18(6): 375-386, 1997.

Dunfield, K., Kuhlmeier, V. A., O’Connell, L., and Kelley, E. Examining the diversity of prosocial behavior: Helping, sharing, and comforting in infancy. Infancy, 16(3):227247, 2011.

Fehr, E. and Gächter, S. Altruistic punishment in humans. Nature, 415(6868):137-140, 2002.

Fehr, E. and Schmidt, K. M. A theory of fairness, competition, and cooperation. The quarterly journal of economics, 114(3):817-868, 1999.

Gintis, H. Strong reciprocity and human sociality. Journal of theoretical biology, 206(2):169-179, 2000.

Gomes, C. M., Mundry, R., and Boesch, C. Long-term reciprocation of grooming in wild west african chimpanzees. Proceedings of the Royal Society B: Biological Sciences, 276(1657):699-706, 2009.

Graeber, D. Debt: The First 5,000 Years, Updated and Expanded. Melville House, 2014.

Güth, W., Schmittberger, R., and Schwarze, B. An experimental analysis of ultimatum bargaining. Journal of economic behavior & organization, 3(4):367-388, 1982.

Hirata, S. and Fuwa, K. Chimpanzees (pan troglodytes) learn to act with other individuals in a cooperative task. Primates, 48:13-21, 2007.

House, B. R., Silk, J. B., Henrich, J., Barrett, H. C., Scelza, B. A., Boyette, A. H., Hewlett, B. S., McElreath, R., and Laurence, S. Ontogeny of prosocial behavior across diverse societies. Proceedings of the National Academy of Sciences, 110(36):14586-14591, 2013.

Jensen, K., Call, J., and Tomasello, M. Chimpanzees are vengeful but not spiteful. Proceedings of the National Academy of Sciences, 104(32):13046-13050, 2007.
Lewis, L. S., Wessling, E. G., Kano, F., Stevens, J. M., Call, J., and Krupenye, C. Bonobos and chimpanzees remember familiar conspecifics for decades. Proceedings of the National Academy of Sciences, 120(52):e2304903120, 2023.

Li, G., Hammoud, H., Itani, H., Khizbullin, D., and Ghanem, B. Camel: Communicative agents for" mind" exploration of large language model society. Advances in Neural Information Processing Systems, 36:51991-52008, 2023.

Malinowski, B. Argonauts of the western Pacific: An account of native enterprise and adventure in the archipelagoes of Melanesian New Guinea [1922/1994]. Routledge, 2013.

Mauss, M. The gift: The form and reason for exchange in archaic societies. Taylor & Francis, 2024.

Melis, A. P., Hare, B., and Tomasello, M. Chimpanzees recruit the best collaborators. Science, 311(5765):12971300, 2006a.

Melis, A. P., Hare, B., and Tomasello, M. Engineering cooperation in chimpanzees: tolerance constraints on cooperation. Animal Behaviour, 72(2):275-286, 2006b.

Park, J. S., O’Brien, J., Cai, C. J., Morris, M. R., Liang, P., and Bernstein, M. S. Generative agents: Interactive simulacra of human behavior. In Proceedings of the 36th annual acm symposium on user interface software and technology, pp. 1-22, 2023.

Sahlins, M. Stone age economics. Routledge, 2013.
Schino, G. and Aureli, F. Primate reciprocity and its cognitive requirements. Evolutionary Anthropology: Issues, News, and Reviews, 19(4):130-135, 2010.

Schmelz, M., Grueneisen, S., Kabalak, A., Jost, J., and Tomasello, M. Chimpanzees return favors at a personal cost. Proceedings of the National Academy of Sciences, 114(28):7462-7467, 2017.

Vaish, A., Carpenter, M., and Tomasello, M. Young children selectively avoid helping people with harmful intentions. Child development, 81(6):1661-1669, 2010.

Wang, G., Xie, Y., Jiang, Y., Mandlekar, A., Xiao, C., Zhu, Y., Fan, L., and Anandkumar, A. Voyager: An openended embodied agent with large language models. arXiv preprint arXiv:2305.16291, 2023.

参考论文：https://arxiv.org/pdf/2505.02945