委托代理

B04 的河内灭鼠里，政府想要的是城里老鼠变少，但它自己不下水道，雇了捕鼠人；它看不见捕鼠人在下面干什么，只能数交上来的尾巴。这个三角结构（我想要 A，雇你去做，但我只能看见 B）有个正式名字：委托代理问题（principal-agent problem）。委托人是出钱想要结果的一方，代理人是拿钱干活的一方，两者目标不完全一致，信息也不对称。整条蓝色分支的所有故事，骨架都是它。指标，就是委托人用来穿透信息不对称的探照灯：不靠它，委托人看不见代理人在暗处做什么。可探照灯一旦点亮，代理人也看见了光柱照在哪里，便会顺着光柱调整动作，哪里被照到，哪里就被博弈。

信息不对称有两种，发病时间不同，记忆的锚点是「事前」与「事后」。第一种叫道德风险（moral hazard），发生在签约之后：你看不见对方到底有多努力，只看得见掺了运气的结果。医生开的检查是否必要、承包商用料是否扎实、模型在训练里是否真学了本事，都属此类，学名隐藏行动。第二种叫逆向选择（adverse selection），发生在签约之前：你不知道对方是哪种人。用人单位分不清勤快和偷懒的应聘者，保险公司分不清健康和带病投保的客户，学名隐藏类型。

逆向选择的杀伤力，Akerlof 1970 年用二手车市场讲到了极致，这个故事值得完整记住。卖家知道自己的车是好是坏，买家不知道，于是买家只肯按「市场平均质量」出价。这个均价对好车车主来说太亏，好车逐渐退出市场；好车一走，市场平均质量下降，买家出价跟着再降，又逼走一批次好的车。循环几轮，市场上只剩坏车（美国俚语称柠檬），甚至整个市场消失。这篇论文的可怕之处在于结论的规模：信息不对称不只是让交易变贵，它能让市场本身死掉。放到评测语境：当买家（用户、投资人）无法分辨模型的真实质量，只能按「平均预期」定价时，认真做安全的厂商就在补贴吹牛的厂商，劣币驱逐良币的引擎已经点火。

面对这两种不对称，委托人的本能是多测量、多挂钩，而理论恰恰在这里踩了刹车。Holmström 1979 年的 informativeness principle（信息量原则）说：一个信号值不值得写进合约，只取决于它能否为「代理人干了什么」提供增量信息。这条原则最常被读反，通俗版「能测的就该纳入考核」恰好是反义：一个对不可测维度毫无信息、却对可测维度高度敏感的信号，纳入合同会主动把努力抽向可测维度（B09 的机制）。判据从来不是可测性，是信息增量：一个与现有分数高度相关的新指标，信息增量约等于零，写进合同只添博弈面。

五十年的文献攒下两条真正的制度出路，都写在模块第四步里，值得展开一句。出路一是主观测量。当所有客观指标都会被博弈，让上级凭整体印象打分，反而能救回一部分。可这种「印象分」终究是主观判断，没有可诉的客观标准，法庭没法把它当合同来强制执行；能让它管用的，只剩下长期声誉自我执行——你今天乱打分，明天就没人再信你的考核，学名关系型契约（Baker、Gibbons 与 Murphy 1994）。出路二是策略性不透明。代理人会盯着权重表，把力气堆到权重最高的那几项——权重一旦公开，就等于告诉他可以放心荒废哪些维度。委托人的最优反应，于是常常是不公布权重：代理人猜不出哪项权重最高，最稳妥的打法就是在所有维度上均衡投入（Ederer、Holden 与 Meyer 2018）。保密不是行政偷懒，而是能从最优化一阶条件推出来的机制设计。英国公共管理学者给医疗目标制开的「随机审计、事后才公布考核口径」药方（K02 会讲那段历史），在这里获得了严格的微观基础。

留一个问题：两条制度出路都预设代理人是人。当「上级判断」被 LLM 评审替代，主观测量赖以自我执行的机制（声誉、重复博弈、说谎被抓的长期代价）还在吗？当被考核者是一个能读到历史上全部考核规则的模型，策略性不透明还能维持多久？委托代理理论与 AI 对齐之间的这个接口，还没有人正式打通。

一句话带走：指标是照进信息暗处的探照灯，而暗处的人永远比你先看清光柱的边界。