AITOP
全部 AI 动态
AI 相关资讯全量信息流
全部博客资讯推文论文
全部模型产品行业论文技巧
标签：预测市场×
6月16日
20:46
6月12日
12:57
6月11日
15:28
15:23
15:07
05:58
6月10日
06:28
6月1日
10:53
10:53arXiv: DeepSeek@Tarun Kota
精选
预测市场依赖可靠的裁决机制，但现有方案在自动化速度与人工准确性间难以平衡。该研究评估了多智能体LLM架构（独立聚合与协商共识）在1189个已解决预测市场问题上的表现，对比GPT-5 Nano、DeepSeek V3和Llama-3.3-70B单模型基线。独立聚合（置信度加权投票）以83.43%准确率胜出，比最佳单模型高1.01个百分点；而协商共识因错误传播导致准确率降至76%。模型间错误相关性（0.529-0.689）限制了集成方法的理论上限。研究提出混合AI-人类裁决系统：仅自动裁决一致高置信度问题，可在47%数据上达到97.87%准确率，其余由人工审查。
论文多智能体预测市场预言机LLM聚合投票
推荐理由：预测市场从业者终于有了可落地的AI裁决方案——独立聚合投票比单模型更准，混合路由策略能平衡成本与精度，做预言机或去中心化应用的团队值得参考。
原文
5月28日
11:35
11:35arXiv: Anthropic@Thomas Mbrice
该研究首次将立场检测应用于预测市场（如Polymarket）的评论，这些评论包含价格无法捕捉的方向性信号。由于评论极端简短、存在特定行话且类别严重不平衡（仅8.7%的评论反对市场结果），研究通过微调RoBERTa-base模型，探索了四种输入配置和三种数据增强条件。结果表明，市场上下文是最关键的因素，能将反对类别的召回率从0.10提升至0.45；反事实增强在弱配置下有效（F1从0.10升至0.24），但在强配置下会降低性能；50%的增强比例是最优剂量。注意力可解释性分析为所有发现提供了机制支持。
论文立场检测预测市场反事实增强数据不平衡Polymarket
推荐理由：做金融舆情或预测市场分析的团队会感兴趣——这篇论文用反事实增强解决了极端不平衡数据下的立场检测难题，50%合成数据是最佳实践，值得在类似场景中尝试。
原文
5月26日
11:46
11:46arXiv cs.AI@Yunhua Pei, Jingyu Hu, Yiwei Shi, Hongnan Ma, Weiru Liu, John Cartlidge
精选
StakeBench 是一个新的金融 NLP 评估框架，它通过分析 Polymarket 和 Manifold 预测市场上 2,261 个已结算市场的 560,876 条评论，将语言理解与市场承诺（如持仓方向、交易行为、赔率轨迹）挂钩，而非传统的人工标注情感。该框架包含四个诊断任务：检测市场承诺、识别持仓方向、预测未来交易行为以及集体赔率预测。实验发现，15 个 LLM 在方向识别上表现参差不齐（准确率 0.506-0.599），但在未来行动预测和赔率预测上普遍失败，且模型规模与性能无关，金融领域微调也无帮助。StakeBench 的代码和数据集以 CC-BY 4.0 协议开源。
论文金融NLP市场承诺评估基准预测市场LLM
推荐理由：金融 NLP 从业者终于有了一个基于真实市场行为的评估基准，比传统情感分析更贴近交易决策，做金融 AI 的团队值得关注。
原文