强化学习

论文研究独立运行的Q-learning定价算法在重复寡头竞争中会形成怎样的市场结果。实验发现，即使算法之间没有直接沟通，它们仍会稳定学习到高于竞争水平的价格；这一结果由有限期惩罚和随后逐步恢复合作的策略维持。结论对成本或需求不对称、参与者数量变化及多种不确定性设定均较稳健，表明算法自主学习本身可能产生具有合谋效果的动态互动。

论文提出模块化经济AI测试平台EconGym，用统一接口连接经济任务、主体角色和求解算法。平台实现家庭、企业、银行、政府等11类异质角色及其交互，可组合出25项以上跨领域任务，并支持传统经济方法、AI方法及其混合方案。实验覆盖财政、养老金和货币政策协同，显示更丰富的任务与算法会扩展政策空间，经典经济方法引导的AI主体在复杂场景中表现最佳；系统还可扩展到一万名主体。