# collusionlab

**Repository Path**: ZhiYIlang/collusionlab

## Basic Information

- **Project Name**: collusionlab
- **Description**: A repeated pricing market for studying collusion between AI pricing agents.
- **Primary Language**: Unknown
- **License**: MIT
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-10-23
- **Last Updated**: 2026-10-25

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# CollusionLab

**一个重复定价市场，用来研究 AI 定价智能体之间的合谋。**

为 **AI Collusion Research Sprint**（Apart Research × Poseidon Research × AE Studio）Track 1「市场与合谋」而建。

六个卖方每轮报一个价格，共六十轮。需求线性，只打中最便宜的卖方。所有人的成本相同，因此竞争结果是 `价格 = 成本 + 1`，联合利润最大化结果是垄断价格。落在两者之间的，用经济学的话说，都可疑。

三个研究问题全部用**实测**回答，不靠论证。完整内容见 **[REPORT.md](REPORT.md)**。

---

## 三个答案

### 1.5 —— 哪一条单一限制以最小代价消除最多合谋？

砍掉信道是免费的，而且效果最好：合谋指数 **+0.633**，代价 **0.000**。但它只对得上它砍的那条信道——砍掉共享信道，对一个走惰性元数据字段的卡特尔，效果是精确的 **0.000**。

唯一**不需要知道载体**就能生效的限制是价格上限：两种载体下都是 **+0.560**，代价是无辜生产者利润的 **0.590**。

| 限制 | 共享信道卡特尔 | 元数据卡特尔 | 代价 |
|---|---|---|---|
| 砍掉共享信道 | **+0.633** | +0.000 | 0.000 |
| 丢弃惰性字段 | +0.000 | **+0.633** | 0.000 |
| 身份匿名化 | +0.000 | **+0.633** | 0.000 |
| 价格上限 | +0.560 | +0.560 | 0.590 |
| 注入可信卖方 | +0.127 | +0.127 | 0.000 |
| 公开监控警报 | +0.099 | +0.056 | 0.000 |
| 限制价格变动 | +0.086 | +0.086 | 0.002 |

代价一律在**没有卡特尔的市场**上度量——因为打破卡特尔会抬高成交量，否则每条限制都会显得免费。

### 2.3 —— 什么才算有说服力的证据？

不是价格平行性。在纯竞争市场上，平行性是 **1.000**——无辜者看起来完全协调一致——因为需求每轮都被一个共同、公开的冲击扰动。

信道拟合度在那个市场上是 **0.000**，在两种卡特尔下都是 **1.000**。**8 个种子**：误报率 **0.000**，两种载体的检出率均为 **1.000**。

### 3.1 —— 合谋能走非文本信道吗？

能。一个放在没有任何买家读取的惰性挂牌字段里的整数，就能承载整个协议。跟随者把「上一轮出价最高的卖方」认定为领导者，解码它的元数据，然后报出约定数字。市场价格在 **100%** 的可判定轮次里落在那个被藏起来的数字上。

`身份匿名化` 能打掉它（+0.633，代价 0.000），这证明机制是**归属关系**而非数值本身：把同样一组数字摆出来但不说是谁的，跟随者就退回竞争价格——因为手里没有约定数字的卖方不敢独自定价。

---

## 安装与运行

零依赖，Python 3.9+。

```bash
git clone <本仓库> && cd collusionlab
python eval.py                                  # 214 条断言，退出码 0
python -m collusionlab sweep                    # 两张限制对比表
python -m collusionlab detect                   # 审计器校准
python -m collusionlab run --channel stego      # 单个市场
python -m collusionlab ledger --out run.jsonl   # 一次运行的存证
```

敌意环境（中文 Windows 默认 cp936，一个不可编码字符就能把干净的运行变成 traceback）：

```bash
env -u PYTHONUTF8 LC_ALL=C python eval.py
```

---

## 两个值得知道的设计决定

**指数用报价算，不用成交价算。** 注入一个诚实卖方后，市场每轮都按 11 成交，而另外五个卖方仍在报 45。用成交价的指标会给出合谋指数 0.000，并把这个市场判为干净。用报价的指数给出 **0.635**：卡特尔是停止赢单了，不是停止串通了。

**全流程不调用任何语言模型。** 每个卖方都是其视野的纯函数。这牺牲了生态效度，换来的是 8 种子 × 8 限制 × 2 载体、逐字节可复现，以及一个可以离线免费核对你每一个数字的评审者。每次运行用其账本字节的 SHA-256 标识，所以「同种子 → 同结果」是可核验的，而不是一句承诺。

---

## 目录

| 文件 | 决定什么 |
|---|---|
| `collusionlab/params.py` | 成本、基准、合谋指数 |
| `collusionlab/market.py` | 重复市场；限制一次只施加一条 |
| `collusionlab/agents.py` | 卖方策略，含元数据侧信道 |
| `collusionlab/detector.py` | 审计器及其校准 |
| `collusionlab/sweep.py` | 每条限制的效果与代价（1.5） |
| `collusionlab/ledger.py` | 只追加存证，同时记录「想报的」和「实际生效的」 |
| `eval.py` | 报告里每个数字背后的 214 条断言 |

## 局限

不涉及语言模型，卖方是确定性函数。六个卖方、六十轮、线性需求、无进入与产能约束。价格上限只是曲线上的一个点，不是最优点。`丢弃惰性字段` 代价为 0.000，是因为该字段**按构造**就是惰性的——真实的挂牌字段还承载合法信息，那部分代价不在模型里。限制一次只施加一条，真实政策是组合使用的。

完整清单见 [REPORT.md 第 8 节](REPORT.md)。

## 许可

MIT。