定价算法会合谋——却并不相互威胁
定价工作正越来越多地交给学习系统。一个著名的发现令竞争主管机构忧心：简单的强化学习程序，每个只被训练去最大化自身在一个模拟双寡头市场中的利润，最终定出的价格却远高于竞争水平。埃米利奥·卡尔瓦诺（Emilio Calvano）及其同事2020年发表在《美国经济评论》上的一项里程碑式研究更进一步。他们强迫一个程序在一个周期内降价后，看到对手也随之降价，然后两者都回到原来的价格。他们把这解读为一种**“奖励–惩罚机制”**：你压价，我就报复，所以作弊永远不划算。
圣保罗大学的Kauê Lopes de Moraes和Rodrigo De Losso写道，正是这种解读赋予了该结果政策上的分量。“仅仅是高价，只是一种人为现象；靠报复来维持的高价，才是卡特尔。”他们的问题范围很窄：真的存在惩罚机制吗？
先复现，再冻结
作者重建了卡尔瓦诺的市场：两家企业，15个可选价格，每个程序都是一张价值表（表格型Q学习），能记住前两个价格——共225种可能的情形。他们训练了1,024对程序，每对200万步。结果得以复现：价格稳定在合谋指数0.668，其中0代表竞争（纳什）价格，1代表垄断价格。
那个著名的模式也复现了。强迫一个智能体压价，在1,024对中有1,013对的对手随之降价；98.2%的配对中，两者都会回到之前的价格，通常在五个周期之内。
然后是关键一步：冻结训练好的程序，关闭学习，检验它们实际掌握了什么。
强制降价后（上）或强制涨到垄断价格后（下）的价格，分别对应训练配对（左）和与陌生对手配对的智能体（右）。——图3，Lopes de Moraes和De Losso（2026），arXiv:2610.21867。
五项审查，没有惩罚者
方向无关紧要。 强迫智能体把价格提高到垄断水平——这是向卡特尔靠拢的一步——在1,024对中的960对里，对手依然先降价再恢复。一种把合作和背叛完全同等对待的反应，并不是为了威慑背叛而设计的规则。
没有对手模型。 让训练好的智能体面对一个真正会惩罚的脚本化对手——它一直合作，直到被冒犯，然后永远采用竞争价格。从合作状态开始，**77%**的智能体在四个周期内就会压价，并且再也恢复不过来。
偏离常规路径就没有逻辑。 把学到的价值表解读为反应函数，它们几乎不遵循合理的最优反应（平均秩相关系数为0.18，范围从−0.70到0.84）。
回归是被迫的。 在1,024对中的914对里，两个冻结的程序只有一个吸引子，它把全部225种可能的情形都吸引过去。无论从哪里出发、遭遇何种扰动、出于何种原因，它们都会回到惯常的价格——就像一个球滚回碗底。随机生成的价值表在这方面差得多，所以训练确实增加了回归的速度并确定了回归的位置，只是没有带来选择性。
这不是表格形式的局限。 作者在完全相同的225 × 15表格中手工构建了真正的惩罚规则——一种会原谅，一种永不忘记。两者都有效。能力是存在的，只是学习没有用上它。
配对双方的惯例
接下来是“陌生人”检验。让一个智能体与另一次训练中得到的智能体配对，训练协议相同，但从未相遇过：合谋指数从0.669降到0.134——暴跌80%，有7.4%的配对定价甚至低于竞争水平。即便是原本稳定在同一价格的配对也会瓦解。“在这种环境中，合谋不是某个智能体拥有的策略，而是一对智能体维持的惯例。”
与训练伙伴（蓝色）和与未见过的伙伴（橙色）配对时的合谋指数：0.669对0.134。——图7，Lopes de Moraes和De Losso（2026），arXiv:2610.21867。
没人尝试的偏离
作者确实证实了卡尔瓦诺本人的检验：在92%的配对中，一个周期的降价并不划算。但那是一种幼稚的偏离。用精确的动态规划计算出针对每个冻结伙伴的最优策略，平均能多获得17.5%的利润（最高可达93.7%）。在2,048个智能体中，只有124个已经在采用自己的最优反应。“这一机制所威慑的，只是任何优化者都不会选择的那种偏离。”
为什么？随着训练过程中探索逐渐减少，每一对智能体只会访问一条狭窄的情形“走廊”。价值表中的其他一切几乎都没有得到训练。作者把这种结果称为自我确认均衡——在所走路径上正确、却从未在路径之外接受检验的信念。把价格网格从15级细化到200级，相当于把同样的训练分散到更多情形上，合谋指数便从0.64降到0.23，正如这幅图景所预测的。用5对严格按照卡尔瓦诺停止规则训练的智能体进行检验，所有结果依然成立，有利可图的偏离收益缩小到10.4%。
价格依旧偏高，药方却不同
消费者面临的问题并没有消失：价格仍远高于竞争水平。改变的是诊断。作者认为，由于不存在附条件的威胁，这些配对很难归入类似协议的法律范畴——而打乱配对（新进入者、轮换、重新训练）就能破坏冻结程序之间的协调。他们还提出，可以把这些检验作为任何定价系统部署前的标准。他们的结论只涵盖这一个市场中的表格型Q学习；深度学习智能体是否会学会真正的威胁，是他们的检验协议旨在回答、而非预设的问题。