a16z：預測市場走向爆炸性增長的關(guān)鍵是什么？一文了解
去年，委內(nèi)瑞拉總統(tǒng)大選結(jié)果的預測市場交易額超過了 600 萬美元。但當計票結(jié)束時，市場面臨著一個不可能的局面：政府宣布尼古拉斯·馬杜羅獲勝；而反對派和國際觀察員則指控存在舞弊。預測市場的決議究竟應該遵循“官方信息”（馬杜羅獲勝），還是“可信報道的共識”（反對派獲勝）？
在委內(nèi)瑞拉選舉一案中，觀察員們的指控層層升級：他們先是譴責規(guī)則被無視、用戶資金‘被竊’，進而痛斥該決議機制在這場政治博弈中獨攬大權(quán)——集‘法官、陪審團和劊子手’于一身，甚至直言其遭到了嚴重操縱。
這并非孤立的小插曲。這是我認為預測市場在規(guī)?；^程中面臨的最大瓶頸之一：合約裁定
這里的風險極高。如果裁定處理得當，人們就會信任你的市場，愿意在其中交易，價格也會成為對社會有意義的信號。如果裁定處理失當，交易就會讓人感到沮喪和不可預測。參與者可能會流失，流動性面臨枯竭的風險，價格也不再反映對穩(wěn)定目標的準確預測。取而代之的是，價格開始反映出一種模糊的混合體——既包含結(jié)果發(fā)生的實際概率，也包含交易者對扭曲的決議機制將如何裁決的信念。
委內(nèi)瑞拉的爭議相對高調(diào)，但在各個平臺上，更隱蔽的失敗經(jīng)常發(fā)生：
- 烏克蘭地圖操縱案展示了對手如何直接通過博弈決議機制來獲利。一份關(guān)于領土控制權(quán)的合約規(guī)定，它將根據(jù)特定的在線地圖進行決議。據(jù)稱有人修改了該地圖以影響合約的結(jié)果。當你的“真理來源”可以被 操縱時，你的市場也就能夠被 操縱。
- 政府停擺合約展示了決議來源如何導致不準確或至少不可預測的結(jié)果。決議規(guī)則規(guī)定，市場將根據(jù)美國人事管理辦公室網(wǎng)站顯示停擺結(jié)束的時間進行賠付。特朗普總統(tǒng)在 11 月 12 日簽署了撥款法案——但由于不明原因，OPM 的網(wǎng)站直到 11 月 13 日才更新。那些正確預測停擺將在 12 日結(jié)束的交易者，因為網(wǎng)站管理員的延遲而輸?shù)袅速€注。
- 澤連斯基西裝市場引發(fā)了關(guān)于利益沖突的擔憂。該合約詢問烏克蘭總統(tǒng)澤連斯基是否會在特定活動中穿西裝——這看似是一個微不足道的問題，卻吸引了超過 2 億美元的賭注。當澤連斯基穿著 BBC、《紐約郵報》和其他媒體描述為西裝的服裝出席北約峰會時，市場最初決議為“是”。但 UMA 代幣持有者對結(jié)果提出異議，決議隨后翻轉(zhuǎn)為“否”。
在這篇文章中，我將探討如何巧妙地結(jié)合大語言模型（LLMs）和加密技術(shù)，幫助我們創(chuàng)建一種難以操縱、準確、完全透明且具有可信中立性的預測市場大規(guī)模決議方式。
困擾不僅是在預測市場
類似的問題也一直困擾著金融市場。多年來，國際掉期與衍生工具協(xié)會（ISDA）一直在與信用違約互換（CDS）市場中的裁定難題進行博弈。所謂 CDS，即一種在公司或國家債務違約時進行賠付的合約。其 2024 年的審查報告對這些困難坦誠得令人矚目。他們的決議委員會由主要市場參與者組成，投票決定是否發(fā)生了信用事件。但這一過程因不透明、潛在的利益沖突和不一致的結(jié)果而受到批評，就像 UMA 的流程一樣。
根本問題是一樣的：當巨額資金取決于對模棱兩可情況的判定時，每一個決議機制都會成為被博弈的目標，每一個模糊點都會成為潛在的爆發(fā)點。
理想裁定方案的四大支柱
任何可行的解決方案都需要同時實現(xiàn)幾個關(guān)鍵屬性：
- 抗操縱性 如果對手能夠影響裁定，比如通過編輯維基百科、植入假新聞、賄賂預言機或利用程序漏洞，市場就變成了一場比拼誰更會操縱的游戲，而不是誰更會預測。
- 合理的準確性 機制必須在大多數(shù)時候做出正確的裁定。在充滿真實模糊性的世界里，完美的準確性是不可能的，但系統(tǒng)性錯誤或明顯的失誤會摧毀信譽。
- 事前透明度 交易者需要在下 注前確切了解決議將如何進行。中途改變規(guī)則違反了平臺與參與者之間的基本契約。
- 可信的中立性 參與者需要相信該機制不偏袒任何特定的交易者或結(jié)果。這就是為什么讓持有大量 UMA 的人來決議他們已下 注的合約是如此成問題：即使他們行事公正，利益沖突的表象也會破壞信任。
人工評審團可以滿足其中一些屬性，但在規(guī)模化時，他們很難做到其他幾點——尤其是抗操縱性和可信的中立性。像 UMA 這樣的基于代幣的投票系統(tǒng)，在巨鯨主導和利益沖突方面也有其自身被充分記錄的問題。
這就是 AI 以此為切入點的地方。
支持 LLM 法官的理由
這是在預測市場圈內(nèi)獲得關(guān)注的一個提議：使用大語言模型作為決議法官，并在合約創(chuàng)建時將特定的模型和提示詞鎖定在區(qū)塊鏈上。
基本架構(gòu)如下：在合約創(chuàng)建時，做市商不僅要用自然語言指定決議標準，還要指定確切的 LLM（由帶時間戳的模型版本標識）以及用于確定結(jié)果的確切提示詞（prompt）。
該規(guī)范被加密提交到區(qū)塊鏈上。當交易開啟時，參與者可以檢查完整的決議機制，他們確切地知道哪個 AI 模型將裁決結(jié)果，它將接收什么提示詞，以及它能夠訪問哪些信息源。
如果他們不喜歡這個設置，他們就不交易。
在裁定時間，已提交的 LLM 使用已提交的提示詞運行，訪問指定的信息源，并生成判決。輸出結(jié)果決定誰獲得賠付。
這種方法同時解決了幾個關(guān)鍵約束：
- 極強地抵抗操縱（雖非絕對） 與維基百科頁面或小型新聞網(wǎng)站不同，你無法輕易編輯主流 LLM 的輸出。模型的權(quán)重在提交時是固定的。要操縱決議，對手需要破壞模型依賴的信息源，或者在很久以前以某種方式毒害模型的訓練數(shù)據(jù)，與賄賂預言機或編輯地圖相比，這兩種攻擊方式成本高昂且不確定性大。
- 提供準確性 隨著推理模型的迅速改進，并且能夠處理驚人的一系列智力任務，特別是當它們能夠瀏覽網(wǎng)絡并尋找新信息時，LLM 法官應該能夠準確地決議許多市場——了解其準確性的實驗正在進行中。
- 內(nèi)置透明度 在任何人下 注之前，整個決議機制都是可見且可審計的。沒有中途規(guī)則變更，沒有自由裁量的判斷，沒有密室談判。你確切地知道你簽署的是什么。
- 顯著提高可信的中立性 LLM 在結(jié)果中沒有經(jīng)濟利益。它不能被賄賂。它不擁有 UMA 代幣。它的偏見，無論是什么，都是模型本身的屬性——而不是利益相關(guān)方做出的臨時決定的屬性。
AI 的局限性與防御手段
- 模型會犯錯 LLM 可能會誤讀新聞文章，產(chǎn)生事實幻覺，或不一致地采用決議標準。但只要交易者知道他們是用哪個模型下 注，他們就可以將這些缺陷計入價格。如果特定模型有已知的傾向以特定方式解決模棱兩可的案例，成熟的交易者會考慮到這一點。模型不需要完美；它需要是可預測的。
- 并非不可能操縱 如果提示詞指定了特定的新聞來源，對手可能會試圖在這些來源中植入故事。這種攻擊對主流媒體來說很昂貴，但對較小的媒體來說可能是可行的——這是地圖編輯問題的另一種形式。提示詞的設計在這里至關(guān)重要：依賴多樣化、冗余來源的決議機制比依賴單點故障的機制更穩(wěn)健。
- 中毒攻擊在理論上是可能的 擁有足夠資源的對手可能會試圖影響 LLM 的訓練數(shù)據(jù)，以此來偏向其未來的判斷。但這需要在合約之前很久就采取行動，且回報不確定，成本巨大——這比賄賂委員會成員的門檻要高得多。
- LLM 法官的擴散會產(chǎn)生協(xié)調(diào)問題 如果不同的市場創(chuàng)建者使用不同的提示詞致力于不同的 LLM，流動性就會分散。交易者無法輕易比較合約或匯總跨市場的信息。標準化是有價值的——但讓市場發(fā)現(xiàn)哪種 LLM 與提示詞的組合效果最好也是有價值的。正確的答案可能是某種組合：允許實驗發(fā)生，但建立機制讓社區(qū)隨著時間的推移收斂到經(jīng)過充分測試的默認設置上。
給構(gòu)建者的四條建議
總結(jié)來說：基于 AI 的裁定基本上是用一組問題（人類偏見、利益沖突、不透明）交換另一組問題（模型局限性、提示詞工程挑戰(zhàn)、信息源漏洞），而后一組問題可能更易于處理。那么我們該如何推進？平臺應該：
- 實驗： 在較低風險的合約上測試 LLM 決議，以建立過往記錄。哪些模型表現(xiàn)最好？哪些提示詞結(jié)構(gòu)最穩(wěn)健？在實踐中會出現(xiàn)什么故障模式？
- 標準化： 隨著最佳實踐的出現(xiàn)，社區(qū)應致力于制定標準化的 LLM 與提示詞組合，作為默認設置。這并不排除創(chuàng)新，但有助于流動性集中在被充分理解的市場中。
- 構(gòu)建透明工具： 例如構(gòu)建界面，使交易者在交易前容易檢查完整的決議機制——模型、提示詞、信息源。決議規(guī)則不應被埋沒在細則中。
- 進行持續(xù)治理： 即使有了 AI 法官，人類仍需負責頂層規(guī)則的制定：信任哪些模型，如何處理模型給出明顯錯誤答案的情況，何時更新默認設置。目標不是完全把人類從循環(huán)中移除，而是讓人類從臨時的逐案判斷轉(zhuǎn)向系統(tǒng)的規(guī)則制定。
預測市場擁有非凡的潛力，可以幫助我們理解一個嘈雜、復雜的世界。但這種潛力取決于信任，而信任取決于公平的合約決議。我們已經(jīng)看到了決議機制失敗的后果：困惑、憤怒和交易者離場。我曾目睹人們在感到被一個似乎違背其下 注精神的結(jié)果欺騙后，憤而完全退出預測市場——發(fā)誓不再使用他們以前喜歡的平臺。這對于解鎖預測市場的利益和更廣泛的應用來說，是一個錯失的機會。
LLM 法官并不完美。但當它們與加密技術(shù)結(jié)合時，它們是透明的、中立的，并且能夠抵抗那些一直困擾人類系統(tǒng)的操縱。在一個預測市場規(guī)模化速度超過我們治理機制的世界里，這可能正是我們所需要的。
以上就是a16z：預測市場走向爆炸性增長的關(guān)鍵是什么？的詳細內(nèi)容，更多關(guān)于a16z：預測市場增長要素的資料請關(guān)注腳本之家其它相關(guān)文章！
你可能感興趣的文章
-
A16z籌集150億美元，稱加密貨幣是美國贏得未來100年的“關(guān)鍵”
硅谷風投巨頭a16z近期成功募集150億美元新資金，覆蓋AI、加密等前沿領域,其聯(lián)合創(chuàng)始人本·霍洛維茨強調(diào)，加密貨幣是確保美國在未來百年競爭中保持領先地位的關(guān)鍵技術(shù)，將重…
2026-01-10 -
獲a16z 1500萬美元投資，Babylon引爆比特幣質(zhì)押賽道與$BABY漲勢
2026年1月7日，比特幣質(zhì)押協(xié)議Babylon宣布完成1,500萬美元的新一輪融資，由硅谷頂級風投a16z Crypto領投,Babylon的治理代幣$BABY在消息公布后24小時內(nèi)上漲超過15%，成為當…
2026-01-08 -
a16z談隱私賽道:值得關(guān)注的2026年重點趨勢
當加密行業(yè)逐步走出「性能至上」的階段，2026 年的核心命題正在轉(zhuǎn)向隱私、去中心化與可驗證安全,本文匯集多位一線構(gòu)建者的判斷，指向同一趨勢：這些能力正從「加分項」升級…
2026-01-08 -
a16z 2026年加密行業(yè)8大趨勢預測:穩(wěn)定幣,人工智能,隱私以及更多變革性
a16z（Andreessen Horowitz）近日發(fā)布了其對 2026 年技術(shù)領域可能出現(xiàn)的“大想法”清單，以下是關(guān)于加密貨幣領域的部分精選大想法及一些特別貢獻者的洞見，涵蓋從智能代理…
2026-01-05 -
基于a16z年度預測，哪些加密項目值得關(guān)注？一文了解
根據(jù)a16z 2026年預測，以下加密項目值得關(guān)注：zkVM應用：如zkSync，驗證計算成本大幅降低，支持高效智能合約,AI與區(qū)塊鏈融合：如Fetch.ai，實現(xiàn)自動化價值流動，推動AI代理…
2026-01-04 -
a16z押注能源代幣化實驗：DayFi將如何用DeFi重構(gòu)電網(wǎng)？一文了解
a16z支持的DayFi協(xié)議通過區(qū)塊鏈將分布式電力資產(chǎn)（如太陽能、電動汽車充電樁）代幣化為GRID穩(wěn)定幣和sGRID收益代幣，實現(xiàn)電力供需的實時匹配與交易,用戶通過貢獻閑置電力獲…
2025-12-13 -
a16z眼中的加密2026趨勢報告：這17個趨勢將重塑行業(yè)
硅谷頂級風投a16z發(fā)布2026年加密趨勢報告，聚焦隱私、穩(wěn)定幣與AI三大主線,報告指出，隱私技術(shù)將成為項目核心競爭力,穩(wěn)定幣正升級為全球支付基礎設施,而AI與加密的結(jié)合將催…
2025-12-13 -
2026年a16z預測：AI將重構(gòu)產(chǎn)業(yè)結(jié)構(gòu)
如果說過去一年，AI 的突破讓我們重新定義了「模型能力」，那么今天的趨勢正在重塑「應用邏輯」和「產(chǎn)業(yè)邊界」,2026 年，AI 不再只是一個被動的工具，而是主動融入每個工作…
2025-12-12 -
a16z詳細分析：2026年17 大加密趨勢預測
a16z預測2026年加密行業(yè)將聚焦17 大趨勢，核心包括：穩(wěn)定幣成為互聯(lián)網(wǎng)基礎結(jié)算層，年交易量超46萬億美元；隱私技術(shù)成關(guān)鍵競爭壁壘；DeFi安全轉(zhuǎn)向“規(guī)范即法律”；AI代理經(jīng)…
2025-12-11 -
a16z領投1290萬美元融資詳解，ZAR將穩(wěn)定幣帶給巴基斯坦無銀行賬戶群體
ZAR獲a16z領投1290萬美元融資，致力于為巴基斯坦無銀行賬戶群體提供穩(wěn)定幣服務,該項目通過區(qū)塊鏈技術(shù)實現(xiàn)普惠金融，幫助當?shù)鼐用癜踩憬莸剡M行跨境支付和儲蓄，填補傳統(tǒng)金…
2025-10-28
