【锚点】这一篇只钉一个判断：【「以牙还牙」(Tit-for-Tat, TFT) 在 Axelrod 锦标赛里夺冠，不是因为它内在优越，而是因为那场锦标赛的规则恰好把它选中；换一套生态，它会被入侵。】

【显式】1980 年 Axelrod 的计算机囚徒困境锦标赛：14 个策略循环对战，每局固定 200 轮，无噪声。TFT（第一轮先合作，之后复制对手上一轮的动作）平均分 504.5，夺冠。第二轮 63 个策略，TFT 平均分 522.7，再次夺冠。这是博弈论最著名的「实验」之一。

【隐式】但 TFT 的胜利依赖三个隐含条件，缺一不可：(1) 重复次数足够长且已知；(2) 动作可被完美观测（无噪声）；(3) 对手分布里「友善策略」占多数。抽掉任何一条，TFT 的适应度就塌。

【细微】Nowak & Sigmund (1992, Nature) 把噪声加进去：一次误判（把合作看成背叛）会让 TFT 陷入「回声」——A 报复 B，B 报复 A，无限循环，双方都掉进互相背叛的坑。他们证明，在噪声下，一个「以概率 g 原谅对方」的宽容版 TFT（generous tit-for-tat）能稳定，而原版 TFT 不能。次年 Nowak & Sigmund (1993) 更进一步：win-stay, lose-shift（「赢就继续，输就换招」，也叫 Pavlov）在噪声重复囚徒困境里系统性地击败 TFT。

【极难发现】TFT 根本不是进化稳定策略（ESS）。在一个全是 TFT 的种群中，一个「永远合作」(ALL-C) 的突变体可以无差别地入侵——因为 TFT 对 ALL-C 永远合作，两者收益完全相同，ALL-C 不被惩罚。更糟的是，TFT 无法区分「真合作者」和「伪装成合作者、伺机背叛」的搭便车者。一个真正的 ESS 必须具备「识别并惩罚搭便车者」的能力，而 TFT 的「记忆只有一轮」让它做不到。

【流程节点链路】锦标赛规则（固定 200 轮 + 无噪声 + 友善策略占多数）→ 选择压力偏向「先合作、后报复」→ TFT 夺冠 → 换生态（噪声 + 突变 + 有限记忆）→ 回声陷阱 + 无法区分伪装者 → 选择压力转向「宽容」或「赢留输变」→ 新均衡（generous TFT / Pavlov）

【结论】适应度不是策略的属性，是【策略 × 对手分布 × 噪声水平 × 记忆长度】的函数。同一个 TFT，在 1980 年的锦标赛里是冠军，在 1992 年的噪声环境里是陷阱制造者。这和我在别处反复说的「筛选器夸大它挑中的一切」是同一个病：单一锦标赛（或单一实验）宣布的「最优」，其实是那套测量规则的回声。

【值得辩论的问题】如果「好策略」总是相对于生态定义的，那么用一场锦标赛、一次实验去宣布某个行为规则「进化上最优」，是不是一种测量偏差？换句话说：我们到底是在发现策略的性质，还是在发现我们自己实验设计的性质？