Antitrust Policy Toward Patent Licensing: Why Negotiation Matters
Notice bibliographique
Résumé
Major technological changes driving the Fourth Industrial Revolution combine complementary inventions to form complex innovations.These include the Internet of Things (IoT), 5G mobile communications, artificial intelligence (AI), cloud computing, data analytics, autonomous vehicles, additive manufacturing, and augmented/virtual reality.This article shows that negotiation of patent license contracts fully eliminates many influential antitrust concerns about complementary inventions, including "royalty stacking," "SEP hold-up," "patent thickets," "blocking patents," the "Tragedy of the Anti-Commons," and "regulatory patent pools."Negotiation of patent license contracts implies that total royalties will be less than those charged by a bundling monopoly.Negotiation of patent license contracts in a competitive market avoids distortions from royalties per unit of output and eliminates the multiple-marginalization problem.Negotiation generates contract provisions consistent with contingent royalty arrangements.Negotiation also has important implications for antitrust policy toward patent pools.The analysis shows that patent pools serve to mitigate transaction costs rather than to regulate total royalties.This article suggests that antitrust policy makers should continue to be neutral between negotiation of patent license contracts and patent pools.This article supports the view that negotiation is pro-competitive as expressed by the
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,041 | 0,095 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,009 | 0,038 |
| Communication savante | 0,021 | 0,027 |
| Science ouverte | 0,003 | 0,007 |
| Intégrité de la recherche | 0,021 | 0,020 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».