# 序贯社会困境

OpenSocialJax把Clean Up与Commons Harvest扩展成开放式分布：每局从数千万种隐藏配置中抽一套，并在五次试验中保持不变，让智能体靠交互推断工具配方、奖励与资源再生规则。八个大模型在同类队伍与混合队伍中评测，规则发现常能提升表现，却没能稳定维持合作：OpenCleanup的清理负担逐渐集中到少数智能体，OpenHarvest中每支队伍最终都耗尽共享资源。混合队伍里，一个合作智能体能在OpenCleanup以自身收益为代价维持公共品，却无法阻止OpenHarvest的资源枯竭。

OpenSocialJax把Clean Up与Commons Harvest扩展成开放式分布：每局从数千万种隐藏配置中抽一套，并在五次试验中保持不变，让智能体靠交互推断工具配方、奖励与资源再生规则。八个大模型在同类队伍与混合队伍中评测，规则发现常能提升表现，却没能稳定维持合作：OpenCleanup的清理负担逐渐集中到少数智能体，OpenHarvest中每支队伍最终都耗尽共享资源。混合队伍里，一个合作智能体能在OpenCleanup以自身收益为代价维持公共品，却无法阻止OpenHarvest的资源枯竭。

多智能体强化学习不再需要读取同伴的私有奖励：每个智能体用自己学到的奖励模型去评估同伴的转移，在 Escape Room、Clean Up 和 Commons Harvest 三个序贯社会困境中都能学出合作，且常比能看到真实奖励的智能体分得更均。

多智能体强化学习不再需要读取同伴的私有奖励：每个智能体用自己学到的奖励模型去评估同伴的转移，在 Escape Room、Clean Up 和 Commons Harvest 三个序贯社会困境中都能学出合作，且常比能看到真实奖励的智能体分得更均。