算法不需要密室协议，也可能把价格推高
导读
文章探讨了在数字经济中，依赖学习算法定价如何可能引发反竞争性价格协同的问题。
传统反垄断法依赖于发现明确的共谋行为（如密室协议），但算法可以通过反复试错，在没有预先编程的情况下，学会通过相互威胁（例如报复性降价）来维持高价，实现“默契合谋”。
背景
平台价格不必由一个人操纵；反复试错的算法也可能学会避开价格战，把消费者置于看不见的协同行动中。
价值
如果你想理解为什么没有聊天记录、没有密室协议，价格仍可能被系统性抬高，这篇适合作为机制解释。
机器学习
大模型会讲因果，因果却不是它发现的
导读
图灵奖得主珀尔在访谈中提出：大模型能给出像样的因果解释，因为训练语料早已装进人类写下的解释；
真正的智能测试，是把机器放进缺少现成答案的环境，让它面对原始观察、选择干预、构建可被质疑的世界模型。数据再多，也不会自行生成干预语义。
Fed on Reams of Cell Data, AI Maps New Neighborhoods in the Brain | Quanta Magazine
导读
文章介绍了神经科学与人工智能结合的新进展。
艾伦脑科学研究所的神经科学家Bosiljka Tasic与加州大学旧金山分校的计算神经科学家Reza Abbasi-Asl合作，利用机器学习处理大规模细胞遗传数据来绘制大脑地图。