SHING CIVITAS一场关于人工文明的开放实验
EN中文

第 2 篇·P17–P18·v3.0

工具有用，不等于值得制造：人工社会中的稀缺、机会成本与经济决策

在稀缺条件下，免费工具和食物储备有明显的正价值，免费房屋没有；对学习型控制器 mind9 而言，从零制造工具未被证明划算。

发布日期 13 分钟阅读中文版 · English
在科研手记中阅读数据集 v1.0.0

SHING CIVITAS 研究系列 · 第 2 篇 · 研究 P17、P18（以 P16-A/B 为背景）· 3.0 版，文献与模型信息修订，2026-11-12 · 状态：2026-11-12 于 SHING CIVITAS 官网发布；未经外部同行评审

tick、世界、随机种子、分叉和控制器等术语在导论中已有说明。

1. 标题与摘要

摘要

背景

当一个模拟社会很少制造工具、房屋或进行交换时，人们可能怀疑其居民缺乏远见。如果世界慷慨到这些行动几乎没有客观价值，这种推断就不安全。

方法

P17 首先追问，在什么物理条件下，一种行动具有可测量的价值。五个世界（无约束的对照世界 C；拥挤世界 F1_pop192；食物容量为 2 的世界 F2a_cap2；以及两个带降雨冲击的容量为 2 的世界，不同步的 F3u_cap2 与同步的 F3s_cap2）与两种控制器（旧的效用表“old”和学习型控制器 mind9）交叉。在 40 个配对种子（18201–18240）中，对 tick 60 的相同快照做分叉并运行到 tick 300，施加研究者干预：免费工具（T）、免费房屋（H）、把食物补到携带上限（R）、移除互助与移除交换。结局是 240 个 tick 内的存活人·tick。随后 P18 在 C 与 F2a_cap2 中，用分叉 A（不变）、T、K（被强制的砍柴—制造，所有成本都真实支付）、KV（同 K，随后收走工具）、P（只要合法就制造）和 P1（制造一次）把关于工具的四个因果问题分开，40 个种子（19201–19240）。推断单位是世界；使用单侧精确符号检验、基于种子配对的自助法 95% 区间和 Holm 校正，“得到支持”要求 Holm p < 0.05 且区间下限大于零。

结果

在 P17 中，四项约束指数检验（健康成人人·tick 中能量低于 45 的份额）全部得到支持（+0.023 到 +0.073）。免费工具在四个受限世界中都提高了存活人·tick（例如 F2a_cap2 中 +144.425，95% CI 89.675 到 199.575，Holm p = 3.3×10⁻⁶）；食物补充使其提高 +465 到 +3,135（4 项中 4 项得到支持）；免费房屋 4 项中 0 项得到支持。在 P18（容量 2）中，对 mind9 而言，从零开始制造工具未被证明划算（K − A = +29.475，95% CI −18.375 到 77.825，Holm p = 0.337），“只要合法就制造”的习惯也未被证明（P − A = +57.325，自助法 95% CI 8.975 到 104.0，但符号检验不显著；Holm p = 0.182）；对旧控制器，K − A 得到支持（+59.175，Holm p = 0.0044），但它的制造偏好是预先编好的。计划中的学习实验（阶段 D）没有通过门槛，也没有进行。

结论

在这个模型中，工具在稀缺条件下一旦到手就有价值（使用价值约 +201 人·tick），但对一个只从即时身体变化中学习的控制器而言，从零开始制造它并不明显值得。这些是模拟结果，不描述真实经济。

关键词人工社会稀缺机会成本工具使用投资反事实分叉有限理性

2. 研究背景

经济学家把投资描述为现在接受成本、以后获得回报；Böhm-Bawerk 关于“迂回”生产的论述具有同样的结构：把时间和材料花在工具上，是因为它能提高以后的产出 [1]。决策者是否进行这类投资，取决于它所面临的稀缺程度、工具的成本，以及它把延迟的收益归因于早先行动的能力。有限理性的论述预测，只评估少数选项、依靠即时反馈的行动者会对延迟回报投资不足 [2]；强化学习中关于信用分配的论述给同一个困难起了一个形式化的名字：多步之后才到来的奖励，必须跨时间归因到因果行动上 [3]。

然而，在人工社会中，不制造工具至少有两个可能的来源：世界可能没有让工具值得制造，或者控制器可能没能给确实值得制造的工具赋值。研究 P16-A 与 P16-B（这里只作背景概述；其包不完整）曾发现，在默认世界中，工具和房屋并没有明确的价值。因此 P17 首先改变世界，追问客观价值在哪里出现。随后 P18 固定世界，把“工具的价值”分解为四个容易混淆的估计量（第 4 节）。

3. 研究问题与假设

（Q1）哪些物理条件（拥挤、低食物容量、降雨冲击）会使健康成人真正受到约束？（Q2）在这些条件下，工具、房屋、食物储备、互助或交换是否有客观价值？（Q3）制造工具的成本是多少，回报是多少？（Q4）一个从即时身体反馈中学习的控制器会选择制造吗？

表 2.1　冻结的主要假设。 单侧精确符号检验；每个检验族内 Holm 校正；得到支持 = Holm p < 0.05 且 95% CI 下限大于零。

检验族假设预测
P17 H1（4 项检验）受限世界 W（F1_pop192、F2a_cap2、F3u_cap2、F3s_cap2）的约束指数高于 CCIE(W) − CIE(C) > 0
P17 H2（12 项检验）在每个受限世界 W 中，工具（T；仅 mind9 背景）、房屋（H；两种控制器合并）和食物补充（R；合并）都提高存活人·tickVk(W) = 分叉 k − 分叉 A > 0，k ∈ {T, H, R}
P18（4 项检验）在 F2a_cap2 中，对每种控制器，（i）从零开始付费制造和（ii）只要合法就制造都提高存活人·tickK − A > 0；P − A > 0

预先指定的次要分析（未校正）包括：移除互助与移除交换、作为负对照的世界 C、工具的使用价值 K − KV 与完整成本 KV − A、单次制造 P1、物质结局和回本时间。

4. 研究设计

世界。 除特别说明外，所有世界使用 12 名初始居民的默认研究世界。C：每格食物容量 10（负对照）。F1_pop192：同一地图上初始人口 192（密度与群体规模同时变化；这不是纯粹的世界参数）。F2a_cap2：食物容量 2（其余相同）。F3u_cap2 / F3s_cap2：容量 2，叠加标准差为 1.0 的降雨冲击，各区域之间不相关（u）或同步（s）。剂量选择使用开发种子 18001–18004 和试运行种子 18101–18102；种子 18001 在协议写定之前已在冒烟测试中被看过（协议中已披露；它仍作为开发种子）。

P17 分叉（两种控制器 × 五个世界）。 每个确认世界先运行 60 个 tick（预热），保存快照，再分叉运行到 tick 300：A（不变）；T（每名没有工具的成人获得一件工具）；H（由 P16-A 规则选出的家户获得一座已建成的房屋）；R（成人的食物补到携带上限，衡量的是储存潜力，而不是居民的储蓄能力）；M（关闭互助）；X（移除交换机会）。每个分叉的行为都与施加相同干预的、无仪器的双生世界，按逐 tick 状态哈希核对。

图 2.1 分叉设计
图 2.1每个分叉都从同一个 tick 60 快照出发，运行到 tick 300；结局是 tick 60 时在场居民的存活人·tick。图中展示的实验臂：A、T、K、KV、P（协议中还有 R、M、X、P1）。

P18 分叉（容量 2 与 C；mind9 与 old）。 A；T（免费工具）；K（没有工具的成人被研究者驱动去砍柴，直到持有至少 3 份木材，再制造一次，支付木材、行动、疲劳和劳动能量，然后恢复自己的控制器）；KV（同 K，但制造后立即把工具收走）；P（只要 craft 是合法候选：没有工具、木材 ≥ 3、疲劳 < 95，任何成人都执行制造）；P1（没有工具的成人在其第一次合法制造机会上制造一次）。强制行动在居民自己的决策之后替换被执行的行动（随机抽样仍被消耗）。任何被强制的制造都不是自主制造。

四个估计量。

对比问题主要局限
T − A免费工具值多少？获取是免费的
K − A从零开始付费制造，扣除所有成本后净回报是多少？由研究者驱动；偏悲观的成本路径
K − KV工具的成本沉没之后，它值多少？仅使用价值
KV − A一次制造的成本是多少（不使用工具）？仅成本
P − A“只要携带足够木材就制造”的习惯值多少？是预先编好的习惯，不是学来的
R − A储存的食物值多少？研究者补充；不是居民的储蓄能力
图 2.3 工具估计量
图 2.3mind9 在 F2a_cap2 中的四个工具对比（存活人·tick；40 个配对世界）。主要检验是 K − A 和 P − A；其他为次要、未校正。

门槛。 如果 mind9 的 P − A 得到支持，就进行一个诊断性的阶段 C，目标是“当制造成为候选时去制造”；如果只有 K − A 得到支持，阶段 C 仍然进行；如果两者都不支持，项目将停止认知方面的改动，只提交诊断报告（阶段 D，即学习实验，不会进行）。

5. 变量与操作化

变量角色操作化定义单位
世界（C、F1_pop192、F2a_cap2、F3u_cap2、F3s_cap2）自变量人口、食物容量、降雨冲击相关性分类
控制器（old、mind9）自变量旧表对学习型控制器（带第 1 篇的合法照护合同）分类
分叉（A、T、H、R、M、X；K、KV、P、P1）自变量tick 60 施加的研究者干预分类
约束指数 CIE因变量（H1）健康成人人·tick 中能量 < 45 的份额（剂量选择中测量窗口为 tick 60–480）比例
存活人·tick因变量（H2、P18）tick 60 时在场的居民存活到 tick 300 的 tick 总数每世界人·tick（240 tick 窗口）
价值 Vk派生分叉 k − 分叉 A，同一种子人·tick
焦点成人物质结局次要采集的食物、木材、制造次数、持有工具的 tick 数单位；tick
控制固定12 名初始居民（F1 除外）、同一种子、同一快照、同样的哈希核对—

6. 样本与实验单位

P17：40 个确认种子（18201–18240）× 5 个世界 × 2 种控制器 ×（每个世界的分叉 A、T、H、R、M、X）；单位是配对世界（每项检验 n = 40）。P18：40 个确认种子（19201–19240）× 2 个世界（C、F2a_cap2）× 2 种控制器 ×（分叉 A、T、K、KV、P、P1）。开发种子被看过并排除：P17 的 18001–18004（18001 在协议之前用于冒烟测试）、试运行 18101–18102；P18 阶段 A 的 19001–19008，以及在同一批种子上的开发分叉研究，其结果（对 mind9，容量 2 中 K − A 约 +84，P − A 约 +124）促使作者把两个对比都列为主要检验；阶段 C 诊断为 19001–19016。居民、行动和 tick 不是独立单位。mind9 的 P − A 符号检验中舍去了 6 个差值为零的种子（22 个为正，12 个为负）。

7. 方法与统计分析

对每个种子，计算配对差值 Vk =（分叉 k 的存活人·tick）−（A 的存活人·tick）。我们报告其均值、95% 百分位自助法区间（对种子重抽样 10,000 次）、差值为正和为负的种子数，以及冻结的主要检验族的单侧精确符号检验（舍去零差值）；Holm 校正在每个检验族内进行（P17：16 项检验；P18：4 项检验）。“得到支持” = Holm p < 0.05 且区间下限 > 0。当一项主要检验的自助法区间不含零、而符号检验不显著时，预注册规则是报告“不支持”（mind9 的 P − A 即属此类）。次要对比报告其未校正的区间。注意，单侧检验只检验预测的方向：对 P17-H，一个显著的负值不会被检验标出，图中会明确标出这类区间。

8. 结果

8.1 哪些世界会约束成人？（P17-H1）

表 2.2　P17 H1：相对于 C 的约束指数（n = 40 个配对世界）。

世界CIE 的平均差值（比例）95% CI种子 + / −Holm p是否支持
F1_pop192+0.0226[0.0188, 0.0264]40/01.46×10⁻¹¹是
F2a_cap2+0.0582[0.0460, 0.0713]39/01.64×10⁻¹¹是
F3s_cap2+0.0727[0.0592, 0.0868]40/01.46×10⁻¹¹是
F3u_cap2+0.0722[0.0575, 0.0884]40/01.46×10⁻¹¹是

解读。 该指数是健康成人人·tick 中能量低于 45 的比例。即使在最严酷的世界，受约束的成人人·tick 也只比 C 多约 7 个百分点，所以成人受到的是轻度而非严重的约束；儿童和患病居民受到的约束要大得多（在剂量选择的冒烟测试中，容量 2 时 52–94% 的儿童人·tick 低于 45，而健康成人不到 1%）。约束由作者选定的能量阈值定义。

8.2 工具、房屋或储备值多少？（P17-H2）

表 2.3　P17 H2：分叉相对于不变世界的价值（240 个 tick 内的存活人·tick；每项检验 n = 40 个配对世界）。

世界分叉平均差值95% CI种子 + / −Holm p是否支持
F1_pop192免费工具（T）+387.650[177.125, 593.850]28/120.0415是
F1_pop192免费房屋（H）−161.963[−306.150, −18.000]13/271否
F1_pop192食物补充（R）+3,134.838[2,804.113, 3,463.163]40/01.46×10⁻¹¹是
F2a_cap2免费工具（T）+144.425[89.675, 199.575]33/43.25×10⁻⁶是
F2a_cap2免费房屋（H）+4.450[−10.300, 19.963]22/171否
F2a_cap2食物补充（R）+464.788[402.688, 529.075]40/01.46×10⁻¹¹是
F3s_cap2免费工具（T）+215.950[164.100, 269.575]36/31.26×10⁻⁷是
F3s_cap2免费房屋（H）+2.788[−14.713, 19.838]20/191否
F3s_cap2食物补充（R）+499.075[437.625, 561.475]40/01.46×10⁻¹¹是
F3u_cap2免费工具（T）+234.650[180.350, 290.625]35/24.10×10⁻⁸是
F3u_cap2免费房屋（H）−6.650[−23.513, 9.850]17/221否
F3u_cap2食物补充（R）+496.413[438.013, 554.800]40/01.46×10⁻¹¹是
图 2.2 P17 分叉价值
图 2.212 项 H2 检验。点是相对不变世界的存活人·tick 平均差值；线段是 95% 自助法区间；蓝色 = 得到支持，灰色 = 不支持。各行坐标轴不同。

解读。 在每个受限世界中，一件工具比没有工具多值约 144 到 388 个存活人·tick；由于 12 名居民的世界中，窗口内共有约 12 × 240 = 2,880 个人·tick 在其中，144 约占窗口的 5%（在 192 名居民的世界里基数大得多，所以比例更小）。食物补充的价值高得多（465 到 3,135），但只衡量储存潜力：食物是研究者提供的。免费房屋从未达到标准；在 F1_pop192 中它的均值为负、区间在零以下，单侧检验无法把这标记为有害（Holm p = 1）。移除互助与移除交换的结果是次要的；包内的冻结输出报告这两者都没有稳健的正价值，但这两项比较在本版中没有被独立重新计算，因此在这里标注为临时性的。

8.3 制造一件工具的回报是什么？（P18，容量 2）

表 2.4　P18 在 F2a_cap2 中的主要检验（240 个 tick 内的存活人·tick；n = 40 个配对世界；单侧精确符号检验；四项 Holm 校正）。

控制器对比平均差值95% CI种子 + / −（舍去零差值）Holm p是否支持
mind9K − A（从零开始付费制造）+29.475[−18.375, 77.825]23/160.337否
mind9P − A（只要合法就制造）+57.325[8.975, 104.000]22/120.182否
oldK − A+59.175[8.600, 106.425]30/100.0044是
oldP − A+9.700[−12.125, 33.725]14/170.763否

mind9 在 F2a_cap2 中的次要分解（未校正）。 T − A ≈ +206；K − KV ≈ +201（已付费工具的使用价值）；KV − A ≈ −172（一次制造的完整成本，包括木材和劳动）。因此使用价值大致抵消了成本，使 K − A 接近 +29。P − A 的物质结局：焦点成人多采集了 +55.4 单位食物（95% CI 37.9 到 73.2；34 个种子上升，4 个下降），尽管存活没有明显上升。

解读。 mind9 的 P − A 的自助法区间不含零，但 22 个为正、12 个为负（6 个相同）的划分在校正之后过于薄弱；因此冻结规则把它报告为不支持。只选区间会推翻预注册的决定。对旧控制器而言，付费制造明显划算，但这个控制器有一个写进表里的固定制造偏好。两个结果都没有表明居民学会了投资。

8.4 为什么 mind9 不给制造工具赋值？（探索性）

阶段 C 的诊断（开发种子 19001–19016；探索性，非确认性）检查了 mind9 的估值。在评估的 108 个状态中，craft 的最高估计价值从未转为正（最大值 −0.0095），并且在 72–90% 的没有工具的决策中，居民并不持有所需的 3 份木材。这些与以下解释一致：控制器按同一 tick 内自身身体的变化给行动定价；制造当下就消耗木材和时间，工具所有权不在它的价值变量中，而之后增加的采集被记到采集头上。它们是来自代码检查和开发运行的机制线索，不是 40 个世界实验得到的确认因果结果，也不能证明“没有长期记忆”是唯一原因。预注册的门槛没有通过（mind9 的 P − A 与 K − A 均不支持），所以阶段 D，一个设计好的学习实验，没有进行；其设计文档描述的是一个未实施的计划。

9. 讨论

主要发现是价值与决策之间的分离。在稀缺条件下，工具有明确可测量的价值（T − A、K − KV），但对 mind9 来说，靠自己的劳动获得它的价值接近零，且在 40 个世界中与零无法区分。旧控制器表明，被告知要制造的控制器在这个世界会过得更好；mind9 没有被告知、看不到收益，也就没有去做。因此结论关乎世界与决策过程的匹配，而不是“智力”。

房屋的负面结果很有启发：它表明并非每种看似合理的资产仅仅因为存在就有价值；在任何受限世界中，免费房屋都没有达到标准。食物储备强烈的正面结果不能被读作居民会储蓄的证据；它量化的是研究者提供食物时储存的潜力。

与文献的关系：P18 分解的结构与信用分配问题 [3] 和满意化预测 [2] 相呼应，而延迟投资需要一个有回报的世界这一观察，则与关于资本积累的标准论述相呼应 [1]。这些只是类比；实验并不检验任何经济理论。

10. 局限

  • 仅限模拟； 对真实经济、工具或家户没有外部效度。
  • 被强制的行动。 T、K、KV、P、P1、R 与 H 是研究者干预；它们显示的是后果，而不是自主采用。
  • 总效应，不是孤立效应。 分叉包含所有居民之后的适应。
  • 时间窗口短。 240 个 tick（两个冬季）无法显示跨代或长期回报；成人只受到轻度约束。
  • F1_pop192 的混杂： 把密度与群体规模混在一起，并在其他方面也有不同。
  • 被看过的开发数据 影响了 P18 主要对比的选择（已披露）；P17 的种子 18001 在协议之前被看过。
  • mind9 的 P − A 中符号检验与区间不一致： 按冻结规则报告为不支持；不同的预先设定可能给出不同的标签。
  • 单侧检验 无法标出有害；负的区间（F1_pop192 的房屋）只作描述性解读。
  • 临时的次要结果： 移除互助与移除交换没有重新计算。
  • 引用 P16-B 时必须附带的更正： 关于“满库存时零产出采集会磨损工具”的说法，实际影响为零（补丁从未触发）；工具耗尽源于每次采集消耗一个耐久单位，与产量无关。
  • 治理： 内部预注册（本地版本控制）、没有外部复现、分析脚本导入未分发的模块、协议是在负责人指导下由一个 AI 编码助手起草的（措辞待确认）。

11. 结论

在这个模型中，稀缺使工具和食物储备有价值而房屋没有，但工具有价值并不使它对一个只从即时身体反馈学习的控制器来说值得制造。对 mind9，扣除成本后的付费制造并未被证明能提高存活（+29.5 人·tick，区间跨越零），而“合法就制造”的习惯给出一个含糊的结果，未通过预注册的决策规则。旧控制器得益，是因为偏好被写进了它里面。这项研究支持一个方法论的观点：要评判居民的远见，首先要说明世界奖励这种远见，其次要把拥有一件物品的价值与获得它的价值分开。

12. 数据可得性与可复现性

证据包 SC-P17-P18-Tool-Economics 包含协议、报告、必须附带的 CORRECTIONS 文件、确认集的逐世界结果文件（含 P16-A/B）、冻结的分析 JSON、主要结果 CSV 与图表数据，以及脚本（数据与文档采用 CC BY 4.0，脚本采用 MIT）。本版中，P17 和 P18 的主要统计量（包括表 2.2–2.4 中的每个数字）都由逐世界结果行重新计算；冻结的主要检验族使用单侧精确符号检验与 Holm 排序，复现了冻结的 Holm 值。模拟引擎、依赖锁定文件、逐 tick 流和 git 历史不分发，因此模拟本身无法重新运行；分析脚本导入未分发的模块。包内的名称仍使用早期名称“Emergentia”。发布状态：1.0.0 版已于 2026-11-12 开放公开下载（见下方数据集面板）。

研究数据集 · P17-P18

SHING CIVITAS P17–P18 工具经济学研究数据集

SHING CIVITAS P17-P18 Tool Economics Dataset

P17P18P16-AP16-B

P17 测量工具、房屋、储备、互助与交换的客观价值；P18 用六分叉分离四种因果估计量（免费获得工具、从零付费制造、已付费工具的使用价值、携材即造习惯）。附 P16-A、P16-B 前置证据与 `protocol/CORRECTIONS.md`。

下载 ZIPSC-P17-P18-Tool-Economics-v1.0.zip · 2.29 MiB · 51 个文件
版本
v1.0.0
创作者
Martin Zhong
发布方
SHING CIVITAS
发布日期
2026年11月12日
SHA-2563d6750e74de64cf4a8078636d5aad2d6d34d46723c34b3b48bc97bb34feb33ba

下载后可校验：sha256sum SC-P17-P18-Tool-Economics-v1.0.zip · PowerShell Get-FileHash SC-P17-P18-Tool-Economics-v1.0.zip

CC BY 4.0MIT

数据、图件与文档采用 CC BY 4.0；analysis/ 脚本采用 MIT；模拟引擎不随包发布。许可全文见包内 LICENSES/，逐文件许可见 metadata/LICENSE_MAP.md。

引用（APA）

Zhong, M. (2026). SHING CIVITAS P17-P18 Tool Economics Dataset (Version 1.0.0) [Data set]. SHING CIVITAS. https://shingcivitas.com/

BibTeX
@dataset{zhong2026_p17p18tooleconomics,
  author    = {Zhong, Martin},
  title     = {SHING CIVITAS P17-P18 Tool Economics Dataset},
  year      = {2026},
  version   = {1.0.0},
  publisher = {SHING CIVITAS},
  url       = {https://shingcivitas.com/}
}

条目类型 @dataset 需使用 biblatex；传统 BibTeX 会提示未知类型。机器可读的引用元数据见包内 CITATION.cff（CFF 1.2.0）。尚未分配 DOI。

可复现范围（清单原文）
由数据重新计算结果
supported — aggregate statistics can be recomputed from data/ with any CSV/JSON tool or the statistical functions in analysis/支持——可用任何 CSV/JSON 工具或 analysis/ 中的统计函数，由 data/ 重新计算汇总统计。
复现已发表的统计分析
partial — analysis/*.py document the frozen statistical rules but import private modules (civlab, scripts, p12_study) that are NOT distributed, so the pipeline cannot run end to end部分支持——analysis/*.py 记录了冻结的统计规则，但导入了未分发的私有模块（civlab、scripts、p12_study），因此分析流程无法端到端运行。
完整重跑模拟
not supported — engine source, dependency lock, per-tick event streams, model version snapshot and API credentials are absent by design不支持——引擎源码、依赖锁定文件、逐 tick 事件流、模型版本快照和 API 凭据按设计均未包含。

包内：README.md（总览）、CITATION.cff、LICENSE 与 LICENSES/、metadata/LICENSE_MAP.md、metadata/CHECKSUMS.sha256。包内文件名仍沿用项目早期名称 “Emergentia”。

参考文献

以下外部文献已于 2026-11-12 对照出版社、期刊、会议论文集、DOI 或图书馆记录核验。它们仅支撑理论背景和研究方法，不构成对 SHING CIVITAS 实验结果的外部验证。

  1. 1Böhm-Bawerk, E. von (1889). Positive Theorie des Kapitales [The Positive Theory of Capital, English translation by W. Smart, 1891]. Original German work (1889); 1891 edition: https://books.google.com/books?id=aGvFdurcBSwC
  2. 2Simon, H. A. (1955). A behavioral model of rational choice. The Quarterly Journal of Economics, 69(1), 99–118. https://doi.org/10.2307/1884852
  3. 3Sutton, R. S., & Barto, A. G. (2018). Reinforcement Learning: An Introduction (2nd ed.). MIT Press. https://mitpress.mit.edu/9780262039246/reinforcement-learning/
  4. 4Holm, S. (1979). A simple sequentially rejective multiple test procedure. Scandinavian Journal of Statistics, 6(2), 65–70. https://www.jstor.org/stable/4615733

核验登记： 参见 附录 C · 文献核验登记，含各条来源链接、著录更正和核验边界。