欺骗性老虎机问题：探索耦合与多智能体学习的脆弱性

研究揭示，在最小双人强单调设定中，欺骗方利用与受害者探索仅存在相关性的泄露信号，将自身探索动作与之耦合，从而注入外部性并把学习动态导向新的稳态——欺骗纳什均衡（DNE）。作者证明欺骗性老虎机学习（DBL）动态以最优收敛速率收敛到 DNE 的任意小邻域，且在放宽标准老虎机优化文献的二阶光滑条件下仍成立，并用资源分配博弈展示了欺骗对稳态与欺骗方成本的严格影响。