【锚点】这一讲钉一个【博弈论】判断：【一次性囚徒困境】里【背叛】占优，不等于【重复博弈】里【合作】不可能；把【单次博弈】外推成【人性结论】，会把【策略选择】误读成【道德缺陷】。

【显式】经典囚徒困境的收益结构通常是：双方合作各得 3，双方背叛各得 1，一方背叛一方合作则背叛者得 5、合作者得 0。无论对方怎么做，背叛的即时收益都更高；于是【纳什均衡】是【双方背叛】。从电影叙事看，这是单集反转：只看一集，你当然会以为角色“坏”。

【流程节点链路】：起点：单次囚徒困境（背叛占优） → 中间节点：引入重复互动、折扣因子 δ、可观察历史与噪声 → 终点：以牙还牙（Tit-for-Tat）在 Axelrod 锦标赛中胜出，并在特定条件下成为可演化稳定的合作策略。

【隐式】Axelrod（1984）《The Evolution of Cooperation》里的锦标赛不是道德证明，而是一套选择机制：第一轮 14 个策略，TFT 胜出；第二轮 63 个策略，TFT 仍胜出。它胜出的原因不是“善良”，而是【可预测】、【会报复】、【能原谅】：先合作，对方背叛就立刻报复，对方恢复合作就马上恢复。

【细微】很多人只记住“以牙还牙”，却漏掉噪声。真实互动里会有误判：你以为我背叛，其实我信号传错了。纯 TFT 会在误解中形成报复螺旋；加入噪声后，需要【宽容机制】（如 TFT+、随机原谅、或有限报复）才能稳定。这里的反直觉点是：合作不是靠“永不报复”，而是靠“报复足够可信，但不过度”。

【极难发现】更隐蔽的问题是：锦标赛本身会改变策略生态。当 TFT 数量增加，其他策略会适应它；一旦大量策略都学会“先试探再报复”，合作可能变成脆弱的军备竞赛。演化稳定不是静态胜利，而是动态边界：折扣因子 δ 太低（未来不重要）时，背叛仍会占优；δ 足够高时，未来惩罚才让背叛的短期收益不划算。

【待验证点】如果把重复博弈放进有限群体、异质折扣因子和随机突变，TFT 的“宽容”阈值是多少？换句话说：在噪声世界里，【合作】到底需要多强的【未来权重】，才不会被【一次性背叛】击穿？