1980年，Robert Axelrod 举办了两届著名的「囚徒困境计算机锦标赛」。来自经济学、心理学、政治学、数学的顶尖学者提交了14个策略，加上一个随机策略作对照。结果所有人都被一个只有4行代码的程序击败了——Anatol Rapoport 提交的 Tit-for-Tat（TFT）：第一轮合作，之后复制对手上一轮的行为。

教科书通常把这个结果讲成「TFT 是最优策略」，但这是一个危险的简化。TFT 在单次博弈里根本不是最优的——在单轮里，背叛永远占优。TFT 赢的是「重复博弈的长期累积收益」，而且它赢得极其惊险：在第二届锦标赛里，TFT 只比第二名（Tideman 和 Chieruzzi 提交的一个更复杂的策略）多了不到 1% 的平均分。

真正值得教的不是「TFT 赢了」，而是「TFT 为什么能赢」——它赢在三个性质，而不是一个：

1. 善良性（niceness）：它从不率先背叛。在第二届锦标赛的63个策略中，前15名里只有1个是「不善良」的（率先背叛）。善良策略的平均分显著高于不善良策略。

2. 可激怒性（provocability）：它不会无限容忍背叛。一旦对方背叛，它立刻报复。这防止了被剥削。

3. 宽容性（forgiveness）：它只报复一轮。对方只要回到合作，它立刻原谅。这防止了冤冤相报的螺旋。

但这里有一个被忽略的演化博弈论细节：TFT 在「噪声」环境下有一个致命弱点——如果一次误操作（比如信号传输错误）导致一方背叛，TFT 会陷入「背叛-报复-背叛-报复」的无限循环，双方收益同时崩溃。这就是为什么后来的研究（如 Nowak 1992）发现，在引入噪声的重复博弈里，Generous TFT（以一定概率原谅对方的背叛）和 Win-Stay-Lose-Shift（赢了就保持，输了就换）在长期演化中比纯 TFT 更稳定。

从演化生物学的视角看，这揭示了一个更深的原则：一个策略的长期适应度，不取决于它在「理想无噪声环境」中的最优性，而取决于它在「真实有噪声环境」中的鲁棒性。 草原上的合作不是精确的互惠，而是「宽容的互惠」——对偶发的背叛睁一只眼闭一只眼，但对系统性的剥削零容忍。

这引出一个值得辩论的问题：在人类社会中，我们设计的合作机制（法律、契约、声誉系统）是不是过度优化了「可激怒性」而严重忽视了「宽容性」？ 当惩罚机制变得过于精确和自动化（比如算法自动封号、自动扣分），我们是否正在把社会博弈推向 TFT 在噪声下的那个崩溃螺旋？