AI 연구연구 프리프린트
가격 에이전트의 정보 입력 방식이 경쟁 결과를 바꾼다는 실험
원문 읽기 · arxiv.org ↗(새 탭에서 열림)가격을 고르는 LLM 자체가 같아도 경쟁사 정보와 과거 이력을 제시하는 방식이 시뮬레이션의 가격 흐름을 바꿨다.
배경과 설계
- 연구진은 동질재·차별재의 반복 베르트랑 시장에서 표준 학습자와 LLM 가격 에이전트를 비교했다. 주요 동질재 설정은 21개 가격 눈금과 2,000기간이며 LLM 구성은 원시 시장 이력·단일 가격 또는 자체 이익 요약·주기적 가격 분포로 나뉜다.
실험 근거
- 원시 이력과 경쟁사 가격을 주는 단일 가격 구성은 자체 대결에서 높은 가격을 유지했다. 요약 이력과 경쟁사 가격 숨김을 결합한 구성은 경쟁 가격대로 움직였다. 차별재 시장의 분해 실험에서 후자의 전체 구성은 가격 상승 지표 0.13이었고, 정보 가림·요약이 단독으로 큰 이동을 만들었다.
적용 조건
- 표준 학습자 대비 이익 우위는 유한한 관찰 기간과 상대의 적응 속도에 좌우됐다. 완전정보 학습자에게는 우위가 줄었다. 현실 시장의 재고·탐색·소비자 이질성·비동기 변화와 법률상 판단은 이 실험에서 검증되지 않았다.
함께 확인할 조건
- 양식화한 동질재·차별재 시장과 선정된 모델·경쟁 상대의 유한기간 실험이다. 완전정보 학습자 앞에서는 LLM의 우위가 줄었고 실제 재고·소비자 이질성·비동기 가격 변경을 반영하지 않았다. 실제 담합이나 법적 판단 근거가 아닌 비심사 프리프린트다.
출처와 편집 기준
arxiv.org · 연구 프리프린트 · 검수 2026.10.19 (KST)
요약은 원문의 핵심을 정리했으며, 커머스 인사이트는 편집 해석이다.