Gig 平台上的随机工资压制及其反抗方法

数字劳动平台日益增多地用于获取人类输入，涵盖从注释数据、红队测试 AI 模型到叫车共享和食品配送等场景。此类市场的一个核心关切是平台如何通过利用低成本劳动力的供给丰富性来压制工资。为研究这种剥削模式，我们引入了一种新的带覆盖目标的 posted-price 采购模型。平台 seeks 通过发布价格来完成 M 个任务，每个到达的工人都根据其私人成本决定是否接受任务。首先，我们表明在对工人估计成本的自然假设下，平台存在一种简单的定价策略，能够以等待时间为 O(M) 的方式覆盖所有 M 个任务，同时仅支付 O(log(M)/M) 的劳动力总成本。这一结果揭示了平台如何利用工人对劳动成本不确定性的认知，从而有效压制工资。随后，我们研究了集体行动作为提高工资和促进数字劳动力市场福利的杠杆。具体而言，我们展示了一小群针对性低成本工人承诺设定价格底线后，如何迫使平台支出从对数级别提升至线性级别。相比之下，等额大小的随机抽样联盟则基本无效。我们结合合成实验，展示了集体行动在不同市场情景下的优势。