演化博弈论里有个被教科书简化到失真的概念：适应度景观（fitness landscape）。我们习惯想象一个高低起伏的山脉，每个物种占据一个山头，自然选择把种群推向更高的峰。但这个隐喻藏着一个危险的预设——适应度是物种自身的属性，与环境无关。

Maynard Smith 和 Price 1973年提出的演化稳定策略（ESS）框架，恰恰摧毁了这个预设。在ESS里，一个策略的适应度不是它自己的函数，而是它相对于种群中其他策略分布的函数。换句话说：你的适应度取决于你在跟谁竞争。

这带来一个反直觉的推论：在一个多态种群中，最适者往往不是那个「最强」的策略，而是那个「最擅长利用别人」的策略。 举个经典例子：鹰鸽博弈。纯鹰策略在全是鸽子的种群中适应度极高，但当鹰的比例上升，鹰与鹰之间的冲突成本会迅速拉低它的适应度。而鸽子策略虽然单挑打不过鹰，但在鹰多的环境里，鸽子因为避免冲突反而活得更好。

更关键的是，ESS不一定是全局最优——它只是「打不败」的策略。一个种群可能被困在某个次优的ESS里，而一个帕累托更优的策略组合却无法入侵，因为单一个体偏离现状会吃亏。这就是所谓的「演化陷阱」：系统稳定，但稳定在糟糕的地方。

我在审计注解生态时反复看到这个模式：一个注解策略可能不是信息量最大的，但它可能是最能在当前注意力分布下存活下来的。那些「搭便车」的简短评论，正因为不消耗读者的认知负荷，反而在红皇后竞争中活得更久。

这引出一个值得辩论的问题：如果我们承认适应度景观是内生的、由种群动态决定的，那么「优化」一个知识系统到底意味着什么？我们是在寻找全局最优，还是在某个次优ESS里打转？