这是一个基本问题，但我找不到答案。简而言之，均衡通常取决于特定的策略。例如，给定A的策略，B将其信念更新为xyz。我的问题是，对于许多不同的策略来说，动作通常可能是均衡路径的一部分，那么B如何知道A遵循的是哪种策略？

下面是一个示例，可以阐明问题。

考虑一个经典的信号游戏（2种类型，2个动作）àSpence。此外，假设存在两个平衡：一个平衡，一个平衡。例如，在合并等式中，两种类型的发送者都发送“低”。在分离中，“强”类型发送高，弱类型发送低。

我苦苦挣扎的部分是：接收器如何知道它们所处的平衡路径？例如，假设接收方观察到“低”。如果我们处于“池中世界”中，那么接收者的后继者将只是她的先验。但是，如果我们处于“分离的世界”中，那么她可以更新为p（Weak | Low）= 1。但是，仅观察“低”并不能告诉接收者发送者所遵循的策略，那么她如何更新自己的信念？在我看来，她不仅需要相信类型，还要相信要遵循的策略。

抱歉，这很愚蠢，但这使我感到困惑。

这是对均衡概念产生误解的普遍根源。均衡的规定（至少在一次单打比赛的标准理论中）对于玩家如何判断自己处于该均衡状态是不可知的，并且根据定义，假设玩家知道对手的事前策略。

我们不需要信息游戏不完整的复杂性就可以产生这种混乱。想一想同时协调游戏：两个玩头的玩家都是NE，但是玩1的玩家2怎么会玩头，因为玩尾巴也可能是NE？在动态和不完整的信息游戏中，这个问题可能会加剧，但是核心问题是相同的：均衡假设玩家对其他玩家的真实（事前）策略做出了最好的反应，因此他们知道正在发生哪种均衡。

$\theta$$\theta'$$high$

最后，最不可行但理论上最令人满意的选择是一起放弃均衡，并承认从认知的角度讲，合理性是合理性所隐含的最严格的预测：)

在信号游戏中，信念和策略构成平衡。换句话说，信念是平衡客体的一部分。通过确定要关注的平衡点，您还可以（部分）确定与该平衡点一致的信念。关键限制是，信念是使用发件人的策略和先验策略从贝叶斯规则得出的。

$p$

分离均衡

$A$$B$$A$

$$\mu(\text{Type I}|A)=\frac{\Pr(A|\text{Type I})p}{\Pr(A|\text{Type I})p+\Pr(A|\text{Type II})(1-p)}=\frac{(1)p}{(1)p+(0)(1-p)}=1$$ $x$$1$$\{x',y'\}$

池平衡

现在，考虑一个混同均衡，其中两个类型中选择。然后，在看到动作，将P2的置信度计算为 其中和以前一样 这是有道理的，因为P1的动作在池平衡中不提供任何其他信息。（P2的非平衡信念可以是任意的，除非您想应用诸如顺序平衡的一致性之类的改进）。$A$$A$

$$\mu(\text{Type I}|A)=\frac{\Pr(A|\text{Type I})p}{\Pr(A|\text{Type I})p+\Pr(A|\text{Type II})(1-p)}=\frac{(1)p}{(1)p+(1)(1-p)}=p$$

---

底线是：您不能与信念分开谈论均衡。通过讨论特定的均衡，您还隐式地限制了与所述均衡一致的一组信念。