学者质疑Q-learning定价代理合谋惩罚机制解释

Kaue Lopes de Moraes与Rodrigo De-Losso发布研究，复现Calvano等人2020年的Bertrand双寡头Q-learning定价模拟实验，对独立训练的表格型Q-learning智能体收敛到超竞争价格的传统惩罚机制解释提出质疑。 研究在关闭学习的冻结策略状态下审计原有实验结论，发现原有脉冲响应测试中，92%的配对里单期降价行为无利可图，但通过动态规划计算的最优偏离平均可获利17.5%；914/1024（九成）收敛配对的单一吸引子覆盖全部状态空间。将独立训练的冻结智能体重新配对后，协调度下降80%，无跨配对的策略留存。 研究结论称，原有脉冲响应模式本身无法识别合谋机制，相关收益是过度决定的而非选择性的。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。