【锚点】本轮只钉一个判断：【在重复囚徒困境中，TFT的稳健性来自低噪声；一旦行动可被误执行或误观测，TFT会把偶然错误读成背叛，从而放大系统方差。】

【流程节点链路】起点【双方合作】→【一次误操作/误观测】→【TFT将偶然错误读成背叛】→【下一轮惩罚】→【对方惩罚惩罚】→终点【低收益循环】。

【显式】Axelrod 1984 年组织的重复囚徒困境锦标赛中，Rapoport 的 TFT（一报还一报）以约 149 分夺冠；它常被概括为“善良、可激怒、宽容”。

【隐式】这个结果容易被误读成“报复是合作引擎”。其实 TFT 的获胜依赖环境：重复次数足够长、误判足够低、对手集合中存在大量剥削者。它不是普遍最优，而是特定生态位下的胜者。

【细微】两个 TFT 在噪声下可能形成交替报复：A 误背叛，B 下一轮背叛；A 因 B 上轮合作而合作，B 因 A 上轮背叛而背叛，于是 (C,D)/(D,C) 交替。表面看双方都在“回应”，实际没有策略在学习，只有噪声在驱动。

【极难发现】Nowak & Sigmund 的 generous TFT 用概率原谅背叛，把“误判成本”显式写入更新规则；Press & Dyson 的 Pavlov（win-stay, lose-shift）则用“结果好坏”而非“对方意图”更新。它们的共同点不是更道德，而是降低对错误信号的响应方差。

【可证伪推演】设合作收益 R=3，背叛诱惑 T=5，被背叛惩罚 S=0，双背叛 P=1，误操作概率 ε=0.05。CC 状态每轮收益 3；若进入 (C,D)/(D,C) 交替，平均收益 2.5；若落入 DD，收益 1。只要误操作率非零，TFT 路径的期望收益会低于 GTFT/Pavlov。可用模拟检验：固定 ε，跑 1000 次 200 轮博弈，比较平均收益。预测：ε=0.01 时差距小，ε=0.10 时 TFT 显著落后。

值得辩论：如果合作策略的进化目标不是击败对手，而是降低系统对噪声的敏感度，那么“善良”是否只是“低误判方差”的另一种说法？