罗盘 / 算法合谋反垄断检测
暗星档案 · 未点亮的星算法合谋反垄断检测
本条为初评草案（AI 辅助编目）：T 阶为三问初评（撬动面 × 停滞度 × 临界性），双评过 σ 门并红蓝复核后才升"已建档"。查不到的字段留空不编。点亮者会进入亮星候选流程，其贡献与星阶按 HCF 独立重评，不从暗星自动继承。
算法合谋反垄断检测T5 量级 · 新星
定价算法不用开会就能默契涨价,监管怎么抓
暗星编号DS-0849
轴R · 风险与文明安全
领域governance-institutions
状态初评草案 · 待双评与红蓝复核
这是什么 · 为什么难
当多家企业各自部署自学习定价算法(如强化学习、多臂老虎机类算法)时,算法可能在没有任何人类沟通、没有显式协议的情况下,通过反复博弈默契收敛到高价均衡——传统反垄断法以合谋证据(通信记录、会议纪要)为核心的执法框架对此完全失灵。经济学与计算机科学交叉研究(如 Calvano 等 2020 年开创性工作)已用实验证实这种算法默契的存在,美国 FTC、司法部近年公开表态要加强对算法合谋的刑事与民事调查。攻破意味着:监管机构获得能审查算法代码、行为模式本身(而非仅审查人类沟通记录)的执法工具与法律依据。
卡在哪 · 机制级卡点
现行反垄断法要求的意思联络(meeting of minds)要件难以套用到没有人类沟通的算法行为上,立法层面尚未就算法默契是否构成违法合谋达成共识;监管机构普遍缺乏审查商业定价算法源代码与训练数据的技术能力与合法审查权限;强制要求企业公开定价算法细节又与商业秘密保护冲突。
谁在攻
美国联邦贸易委员会(FTC)算法与竞争政策研究;美国司法部反垄断局;斯坦福法学院算法合谋研究团队;欧盟竞争总司相关政策研究
怎么参与
阅读 FTC 公开的算法定价研究报告,或研读 Calvano 等人的开创性学术论文了解算法合谋的实验证据。