核心观点 - UniPat AI公司发布了其预测模型EchoZ-1.0在预测市场Polymarket的沙盒和真实环境中的基准测试结果 该模型在政治与治理相关问题上的预测输出取得了63.2%的校准率 并在为期一周的真实市场代理测试中 五个代理有四个实现了正回报 [1][2][3] 模型性能与测试结果 - 在政治与治理相关问题的测试中 EchoZ-1.0模型的输出校准率达到63.2% [2] - 对于基于七天或更长时间的预测 模型的预测校准率为59.3% [2] - 在被公司归类为高不确定性的案例中（基线置信度分数在55%至70%之间） 报告的校准率为57.9% [2] - 在为期一周的真实场景测试中 部署了五个由EchoZ-1.0模型驱动的自主代理 其中四个代理在此期间产生了正回报 一个没有 [3] 测试方法与场景 - 模型测试涵盖了多变量场景 包括监管动态、地缘政治事件、链上治理决策和市场相关事件 这些场景被选择来代表信息不完全或不断演变的情况 [4] - 测试在可衡量且可验证的预测市场Polymarket上进行 [1][8] - 公司还对评估框架进行了一系列压力测试 包括改变评分参数、部分移除输入数据和修改模型配置 在这些条件下 模型在公司测试框架内保持了排名的一致性 [5] 模型技术与审计 - EchoZ-1.0模型采用名为“Train-on-Future”的方法 不同于主要依赖历史数据的方法 [7] - 该模型包含用于捕捉推理结构和结果校准的评估标准 在此过程中 使用一个名为“自动规则搜索”的系统来提取与观察到的行动相关的推理模式 [7] - 公司已向公众发布预测输入、概率估计、时间戳和最终结果以供独立审计 其中包括已校准和未校准的预测 引用的示例包括对股票市值、数字资产价格水平和职业体育排名的预测 每种情况的概率估计都在结果确定前被记录以用于验证 [6] 公司背景与团队 - UniPat AI是一家专注于研究的人工智能公司 致力于开发用于现实世界应用的机器学习系统 其使命是将人工智能系统从实验模型推进为能够在复杂环境中运行的实用、可部署工具 [9] - 开发团队由在强化学习、数据合成和模型评估方面具有专业知识的研究人员组成 [8] - 公司发言人表示 对概率的结构化评估可能在存在不确定性决策的领域有应用前景 [8]