《未完成的进化：为什么大猩猩没有主宰世界》第十三节

本节指出一个疑问：数据表明，综合考虑自身状态、被模仿者回报和选择频率等条件的复杂社会学习策略，回报远高于固定不变的模仿策略，但连果蝇、木蟋蟀等无脊椎动物也会模仿……

本节指出一个疑问：数据表明，综合考虑自身状态、被模仿者回报和选择频率等条件的复杂社会学习策略，回报远高于固定不变的模仿策略，但连果蝇、木蟋蟀等无脊椎动物也会模仿，它们是否真能完成如此复杂的计算，是个谜。作者认为需要一种方法，比较大量社会学习策略（包括没想到的）的优劣。

作者从阿克塞尔罗德组织的重复囚徒困境比赛得到启发：该比赛通过让世界各地学者设计的合作策略相互竞争，最终选出“以牙还牙”这一获胜策略，推动了合作行为研究。作者决定效仿，组织一场寻找最佳模仿策略的比赛。

借助欧盟资助的文化进化研究项目，作者聘请博士后研究员和擅长鲸鱼社会学习与计算生物学的卢克·朗德尔负责组织。鉴于社会学习没有现成的博弈模型，他们组建了由罗伯特·伯伊德、马格纳斯·恩奎斯特、基莫·埃里克森、马库斯·费尔德曼等权威学者构成的顾问委员会。历经18个月、三次迭代（两次因框架缺陷放弃），最终确定“多臂土匪”框架：一群代理人在回报不断变化的环境中，从100种行为中选择创新（非社会学习，无错误）、观察（社会学习，可能误判行为或回报，且未必学到新行为）和开拓（执行已学行为获取回报）三种行为，通过自然选择淘汰随机死亡的代理人、保留高回报者后代，使高效策略扩散。参赛者需设计代理人的行为规则，在探索与开拓间取得平衡。比赛分两阶段：先进行循环赛，排名前十的策略进入条件更广的混合战，平均频率最高者为最佳策略。