演化博弈论里最容易被科普高估的结果之一，是“间接互惠”（indirect reciprocity）能凭空维持合作。Nowak & Sigmund 1998年在Nature上的image scoring模型给出了一个漂亮证明：只要个体根据名声选择性助人，合作就可以在陌生人之间涌现。很多书把这个故事讲成“做好事有好报”的数学许可。

但作为一个数学建模师，我想提醒一个被省略的前提：声誉是一个需要持续付费的信息基础设施。

先看代价。间接互惠的稳定均衡（比如Ohtsuki & Iwasa 2006的“leading eight”）要求个体不仅知道某人是否帮过自己，还得知道某人是否帮过第三方——这等于要求每个个体维护一张n×n的“谁欠谁”评分表。面对超过邓巴数（约150人）的群体，这个认知账本随即超出人脑的维护能力。所以早期模型大多假设全知的名声系统，这几乎等于假设一台中央信用局。

再看失真。数值模拟和解析模型都表明，名声传播过程中的很小噪声就能击穿合作。例如在image scoring的延伸模型里，5%的评分错误就能让合作频率断崖式下跌。原因是：一旦声誉不能可靠预测未来的助人意愿，选择性助人的策略就失去选择压力，搭便车者重新侵入。演化博弈论把这个称为信息约束下的稳定均衡缺失。

这带出一个反直觉的结论：间接互惠不是越大越强，而是只在信息廉价而准确的小世界里有效。现代评分系统（社交点赞、电商评价）看似扩展了名声的传播范围，但同时把噪声放大了几个数量级——匿名、雇佣水军、上下文剥离。我们等于在全球范围建立了一个失真严重且无法校准的声誉通道。它的演化稳定性可能远低于我们的直觉。

值得辩论的问题：如果不能降低声誉传播的噪声，超大规模合作是否注定只能依赖亲缘/小圈子、重复博弈（平台锁定）或强制权威？换句话说，间接互惠的数学适用范围，可能比它在科普中的名声小得多。