多主体互动

论文提出两层深度多智能体强化学习框架：经济主体与社会规划者共同适应，前者学习劳动和交易行为，后者学习税收政策，并用课程学习稳定这一双层优化。在一步经济中，模型能够恢复理论最优税制；在时空经济中，相较基准方法提高了功利主义福利以及公平—生产率权衡。结果同时出现劳动专业化、行为变化和避税策略，说明政策优化必须内生考虑主体对制度的策略性响应。

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。