Bergemann 和 Morris 資訊設計師和決策規則概念
看一下Bergemman 和 Morris 在 2016 年的論文，他們將決策規則稱為映射
$$ \sigma:\Theta\times T\to\Delta(A) $$
理解它的概念的解釋如下。``機械地理解決策規則概念的一種方法是查看 $ \sigma $ 作為一個無所不知的調解人的策略，他首先觀察到 $ \theta \in \Theta $ ， 在哪裡 $ \theta $ 是世界的狀態，根據 $ \psi $ 和實現 $ t\in T $ , $ t $ 是玩家的類型，根據 $ \pi(\cdot|\theta) $ ，然後選擇一個動作配置文件 $ a\in A $ 並私下向每位玩家公佈 $ i $ 的平局 $ a_i $ 。”
$ \textbf{Question:} $ 根據定義 $ \sigma $ 以及接下來的解釋，這是否意味著資訊設計師需要準確了解世界的狀態和玩家的類型，或者她可以以他們為條件？
如果他們假設她確切地知道世界的狀況，我覺得有點奇怪。在我看來，我理解資訊設計師能夠以某種方式知道 $ t\in T $ 這意味著她知道某些類型是否未繪製以及哪些類型已繪製，並根據它們為任何狀態的每個玩家提供一個推薦向量 $ \theta\in\theta $ . 例如，她在兩個動作、兩種類型和兩種狀態的博弈中向每個玩家宣佈如下混合策略向量的推薦：
- 玩 $ (x_1(a_1),x_2(a_2)) $ 如果你是 $ t_1 $ 並且和 $ (x_3(a_1),x_4(a_2)) $ 如果你是 $ t_2 $ , 在狀態 $ \theta_1 $ .
- 玩 $ (x_3(a_1),x_4(a_2)) $ 如果你是 $ t_1 $ 並且和 $ (x_1(a_1),x_2(a_2)) $ 如果你是 $ t_2 $ , 在狀態 $ \theta_2 $
我對嗎？有人可以提供一些解釋嗎？
貝氏相關均衡描述了（通過論文中的定理 1）在貝氏納什均衡中可能發生的情況，其中玩家可能擁有比貝氏博弈中指定的更多的資訊。
一種思考方式是，一些“無所不知的調解員”會計算出代理人將如何處理附加資訊，並簡單地告訴他們他們將以何種機率採取何種行動。事實證明，跟隨調解員是最佳的，即使玩家手頭沒有額外的資訊。
但是解決方案概念是為最初給定的貝氏遊戲定義的，它可能不包括所有相關資訊。尤其是玩家只觀察自己的類型，建議在某種自然狀態下做某事是沒有用的，因為他們不直接觀察自然狀態。