ForecastOS 如何把预测变成可核验的记录
ForecastOS 是衍数科技的自主预测引擎。它将关于未来的问题拆成可测量的对象、时间窗口和结果标准，再组织研究、概率签发、账本封存与到期核验。它与 AWM 的分工不同：AWM 整理公开观测与监测信号，ForecastOS 尝试回答一个定义清楚的未来问题。监测分、模型解释和正式概率不能混为一谈。
从提问到结算的六步流程
- 编译合约。固定预测对象、事件定义、期限、知识截止时间与结果来源。含糊问题需要先澄清可测量的目标，不能在结果揭晓后改变“预测正确”的含义。
- 研究与证据整理。检查来源、日期、历史类比和数据缺口，区分直接结果指标与佐证代理。数据不足可能导致拒答、保留不确定性或明确披露代理指标。
- 建模与检查。比较基准率和候选模型，审视可能推翻结论的证据。概率变化应能追溯到输入、模型与策略，而不是来自一段更有说服力的文字。
- 签发与封存。记录原始概率、校准概率、模型版本、策略、证据引用、特征快照和期限。修订产生带父记录与修订理由的新预测，原签发记录保持不变。
- 到期核验。使用与合约匹配的结果来源判断 YES、NO 或未能确认。窗口尚未结束或数据不足时，不能为了生成成绩把未确认结果算成 NO。
- 评分与复盘。只对符合结果条件的样本计算损失，再比较基准、检查校准与误报。候选策略需要通过独立评估门槛，系统有新解释不意味着策略已经变好。
Brier 分数如何计算？
二元结果中，发生记为 y = 1，未发生记为 y = 0；概率 p 使用 0 到 1 的刻度。单条 Brier 损失是 (p − y)²，一组预测的 Brier 分数是这些损失的平均值，越低越好。
例如，预测发生概率为 70%：如果事件发生，损失为 (0.7 − 1)² = 0.09；如果未发生，损失为 (0.7 − 0)² = 0.49。这只是计算示例，不是 ForecastOS 的实测成绩。UNRESOLVED 或模糊结果不进入 YES/NO 的二元评分。
评分、校准与“预测正确”有什么区别？
一条 70% 的预测最终未发生，并不能单独证明概率错误。校准要看多条可比较预测：标为约 70% 的事件是否在足够样本中约有 70% 发生。Brier 同时反映概率损失，不能单靠它证明校准，也不能因一次猜中就宣称模型可靠。
评估需要披露样本数、YES/NO 分布、期限、数据覆盖、未确认结果与基准策略。稀有事件中，“一直预测不发生”也可能取得较低平均损失，因此还应检查区分能力、误报与相对基准的增益。历史回放与策略选择要避免让未来结果泄漏到训练、校准或优化中。
系统如何学习而不修改历史？
结算结果为后续复盘提供反馈，候选策略与当前策略在分开的历史窗口中比较。ForecastOS 的学习流程设有训练、验证和保留评估窗口，晋升依赖评估门槛；本页不承诺每次迭代都会晋升，也不把自动复盘等同于已经证明收益。新策略影响后续签发，旧预测仍按原来的合约接受核验。
常见问题
- 任何问题都能得到可靠概率吗？
- 不能。尤其是没有公认结果标准的开放问题，可能只能使用代理里程碑；代理指标与原问题的区别必须披露。没有可结算的数据时，拒答比给出无法核验的数字更合适。
- 哪里查看证据与预测记录？
- 预测结果页可查看事件定义、截止时间、证据与缺口；高级控制台用于进一步检查研究过程、账本及评分。封存记录说明当时系统知道什么，而不是用后来的知识替换当时判断。
- 提交问题后是否需要一直开着网页？
- 预测任务进入服务端队列。页面可以轮询进度并恢复保存的任务，研究完成时间受数据和模型服务影响。方法说明页不需要等待任务或调用模型。
- 这些分数能保证未来表现吗？
- 不能。历史评估描述特定样本和条件下的表现；数据分布、来源覆盖与现实机制都可能变化。理解样本与限制，比单看一个低分更重要。