Naukowcy z arXiv opracowali nową metodę oceny, czy agenty LLM rzeczywiście egzekwują zmowę cenową na rynkach, czy tylko osiągają podobne wyniki. Tradycyjnie kartel definiuje się przez egzekwowanie - grupa konkurentów może utrzymać monopolistyczne zyski tylko wtedy, gdy karze tych, którzy go łamią. Nowa audytacja zmusza agenta do oszustwa w kopii rynku, aby sprawdzić, czy inni go ukarą.
Wyniki pokazują asymetrię między osiąganymi wynikami a rzeczywistym egzekwowaniem. Małe modele LLM wytrenowane przy użyciu reinforcement learning uczą się tego, co ich treningowi rywalowie nagradzają, ale tylko tego, co sami próbują. W grze samograjnej uczą się sztywnych reguł ignorujących rywali. Przeciwko karającemu rywalowi uczą się powstrzymywania, ale nigdy nie uczą się kosztownej wojny cenowej, która mogłaby go odstraszić - to pozostaje zbyt rzadko próbowane. Wojny cenowe pojawiają się w wytrenowanych modelach tylko wtedy, gdy explicite włączone do treningu.
Najważniejsze odkrycie: nawet agenty, które osiągają zyski kartelu, często nie potrafią go egzekwować wobec nowych wyzwań. Agenty oparte na matching-u (naśladownictwie cen) mogą zarabiać jak w kartelu, ale tylko dopiero kiedy stoją wobec dużych cięć cenowych - egzekwowanie jest marginesowe i przypadkowe. Modele Q-learning'u egzekwują zmowę jedynie w scenariuszach cenowych, a podpowiadane LLM osiągają zmowę głównie poprzez reguły ignorujące dynamikę rynku. Badanie ujawnia, że miary wyników rynkowych są niewystarczające do rozróżnienia rzeczywistego egzekwowania od pozornej zmowy.