药品集采 —— 一个「运行发生在别处」的 study

studies/drug_procurement/ · reference: true · 外部 MARL 管线 （AgentProcure）

政府、企业与医院的策略如何优化药品集中采购（集采）的博弈策略？案例取自中国 第二批国家集采中的一个采购博弈单元：阿德福韦酯片（drug_68）、round 2、 三家竞标企业。但这一页存在的理由不是药品本身，而是那个机制：一个真正的运行 属于重型外部管线的 study，如何仍然接进同一套产物、同一批 discovery 字段、 同一个 dashboard。 除了训练本身，一切都已经在这里物化好了。

P / E / B

	是什么	来自哪里
P	5 个 agent —— government、hospital、enterprise_1..3，全部 learnable: true 且各有 policy_group。企业属性是本案真实（已脱敏）的工作簿行：共享 Pmax 1.08 元/片、Q0 2893.17、Qe 3471.804，但 beta_i / omega 各异（0.265/0.50、0.470/2.00、0.265/0.50）。交互结构为 explicit_network（政府↔各企业、政府↔医院、医院↔各企业）。	population/population.json
E	4 个层，没有 scheduled events、没有 broadcasts —— 外加一个 case-specific 的 game 块。	environment/environment.json
B	RL 策略，不是 LLM agent。政府 Box(3)（Pmax scale、rho、omega）；企业 Box(1)（归一化出价，映射到 (cost_i, Pmax)）；医院 Box(2)（下期报量比例、执行率）。	game 块 + model.py

layer	modality	scope	dynamics	内容
policy_variables	physical	macro	scheduled	政府侧 Pmax、rho、x、omega
enterprise_market_state	physical	local	endogenous	成本、beta_i、出价、利润、中选状态
hospital_execution_state	physical	local	endogenous	医院执行 / 报量变量
procurement_notice	information	macro	scheduled	证据绑定的案例与运行模式说明

game 块是本案专属，不属于通用 environment schema

在标准的 layers / scheduled_events / information_program 之外，本研究的 environment.json 还带了一个 game 对象：game_type: general_sum、 timing: simultaneous、observability: partially_observable、 api_target: pettingzoo_parallel、gamma_default: 0.99，以及带类型的 roles、 observations、action spaces、rewards 与终止条件。请把它当作本案的扩展—— 其它 study 使用的 environment schema 并不包含它。正是它让一个马尔可夫博弈 能被写进同一份产物里。

三类回报刻意采用三种不同量纲：政府是社会福利（utility）、企业是利润（元）、 医院是执行效用。它们只能分角色读，绝不能求和——这就是 general-sum、 混合动机（mixed-motive）在实操层面的含义。

一步是什么，跑多久

n_steps: 50 是一个采购 episode，而这条轴是训练 episode，不是日历时间。 这是本组案例中最大的一处分野：一步推进的是博弈，而整个 50 步 episode 会在策略 学习过程中被重放成千上万次。

训练配置（simulation/simulation.json）：RLlib 上的 PPO、ctde: true、 gamma: 0.99、train_episodes: 10000、eval_episodes: 1000，每个角色一套策略、 每家企业各自一套。中选机制在训练期用 soft_topk（可导、便于学习），在评估期用 hard_topk（最低价中选）——这正是 selection_accuracy 要作为独立指标存在、 而不是被摊进平均回报里的原因。

结果

没有结果——而这正是重点

reports/report.md 明确是一份预运行（setup-only）报告： 0 个训练 episode、0 个评估 episode。没有 trajectory/ 目录，也没有 study.duckdb。外部 AgentProcure 检出及其重型依赖 （pettingzoo / ray[rllib] / gymnasium / torch）未安装在本工作区。

代之交付的，是 study.yaml 上一条双语的 run_note，由工作流呈现给读者：

本案例通过外部 AgentProcure 多智能体强化学习管线运行（ray + torch，重训练 任务）。托管服务里不执行训练——如需真实跑批，请 clone 仓库在本地运行 AgentProcure/run_training.py，再用 studies/drug_procurement/adapter/socioverse_export.py 导回轨迹。

所以本研究的工作流是：在这里物化 → 到那边训练 → 再导回来。判断这项研究 所需的一切——博弈结构、t=0 roster、grounding 台账、图表——都在花掉任何一个 GPU 小时之前就已提交、可审阅。等训练真的跑了，导出的轨迹落进与其它所有 study 相同形状的 study.duckdb，同一套报告与 dashboard 路径照常适用，四条 display_metrics 为 government_return、enterprise_return、 hospital_return、selection_accuracy。

这份 setup 报告依然给出了发现——因为结构性发现不需要轨迹：人群规模不是随意 选的，而是被「同通用名 ≥3 家生产企业」的纳入门槛锚定；enterprise_2 在 beta_i 与 omega 两个维度上同时偏离，据此可预测两条可分离的策略路径 （高质高成本 vs 低价走量）——待真实运行去证实或证伪。

Grounding

5 条 sourced 事实、1 条 proxy 事实、3 条假设、2 条建模参考——外加一样 catalog 里独此一家的东西：resources.json 内的 evidence[] 数组，承载带类型的 工程证据（PettingZoo parallel API 合约、Gymnasium spaces、RLlib 多智能体策略 映射），每条带 supports[]、confidence、retrieved_at，并由 game 块内的 evidence_ids 引用。

条目	basis	作用
纳入门槛：同通用名 ≥3 家生产企业（国家医保局）	sourced	钉住 role_counts.enterprise = 3 与 n_applicants = 3
中选药品平均降价 53%	sourced	学习到的出价可以多激进的经验包络
单品种最高降价 93%	sourced	该包络的上沿
本批 32 品种 / 100 产品中选	sourced	范围说明：本研究只是这一批里的一格
中选结果 2020-04 落地执行	sourced	把 round 2 锚定在 2020-01 开标 / 2020-04 执行的周期上
阿德福韦酯属于第二批集采品种	proxy	药品身份与定性价格水平来自行业媒体汇总；未找到该具体中选价的官方公告
企业成本 / 弹性 / 质量参数取自匿名化工作簿	assumed	真实投标成本不公开；这些数值是 simulator 输入，不是关于真实企业的事实主张
以单一 drug_68 × round 2 作为示范格	assumed	要的是一个完整可读的博弈，而非全批次全景
结果只能解读为 simulator 内的配对差异	assumed	三条里最强的一条：不得据此得出真实世界的因果政策结论

这是整个 catalog 里最清晰的一个 basis: proxy

sourced 表示有权威来源直接陈述该数值；assumed 表示没人陈述，研究自行 声明了选择。proxy 是人们通常会略过的中间态：主张有支撑，但支撑物的 证据位阶更低——这里是行业报道代替官方公告。把它如实记为 proxy 而不是 悄悄升格成 sourced，一整套纪律就浓缩在这一个字段里。见 真实世界锚定与溯源。

另外请注意第三条假设约束的是解读，而不只是输入。一个 study 可以在声明 自己常数的同一份台账里，一并声明自己结论的边界。

这个单一案例背后是大得多的研究数据集 —— AgentProcure 项目覆盖数百个集采品种、 多轮次、多企业类型与中标结果的 NVBP 语料，drug_id / round_id / focus_drugs 选的正是其中一格：

可以 fork 什么

参数	它打开的问题
drug_id	同一套博弈机器换一个品种——企业异质性的结构在不同药品间是否相似？
round_id	同一品种跨采购批次。
timestep	在 50 步 episode 的哪个位置切片。
focus_drugs	从单格博弈扩成多格对比。
data_path	让案例解析器指向另一个工作簿。
shock_id	反事实轴——见下。

--shock-id all 会跑 15 个反事实情景：6 个企业成本冲击 （enterprise_cost_down__cost_scale_{1p5,1p2,1p1,0p9,0p8,0p5}）、6 个医院需求 冲击（hospital_demand_up__q0_scale_{…}，同样六个系数）、3 个政府单一中选 情景（gov_single_winner__single_winner_x_{1,2,3}）。最后一组是最直接的机制 设计实验：当中选家数变化时，三方回报各自怎么动？其中每一个结果都必须读作 simulator 内的配对差异——这条限制写在 grounding 台账里，不是脚注。