這是本專欄的核心章節。它的立論是一句話：
「這需要人類判斷」通常不是一個命題，是一個還沒被設計的 pipeline。
下面先給一個把任何「人類判斷 edge」拆成可實作元件的通用方法，再用它處理五個具體案例。每個案例都給完整的資料源 → pipeline → 模型 → 觸發 → 下單 → 風控 → 失效邊界。
通用方法：判斷的四層拆解
任何被稱為「需要經驗」的交易判斷，都可以拆成四個問題。每個問題都有對應的機器實作。
| 人類判斷的成分 | 機器實作 | 產出物 |
|---|---|---|
| 一、知道要看哪裡 | 從市場的自我描述編譯出資料管線 | 結構化 schema + 監控器 |
| 二、知道看到的東西是什麼意思 | 結構化抽取 → 似然比，而非直接給機率 | 帶校準紀錄的 LR |
| 三、知道別人會怎麼看 | 對手模型（市場、預言機、DVM） | (α, β) 混淆矩陣、提案者信譽 |
| 四、知道自己可能錯 | 對抗性驗證 + 棄權機制 | 信賴度分數 + abstain 旗標 |
多數失敗的自動化嘗試，是因為它們只做了第二層，然後讓 LLM 直接輸出一個部位。
貫穿全部的一條設計原則
LLM 的輸出永遠是「可被獨立檢驗的中間產物」，永遠不是「部位」。
具體地：LLM 產生 schema、產生似然比、產生邏輯邊、產生模糊度分數。部位由確定性的數學（Kelly、LP、門檻條件）算出來。 這條分工不是保守，是唯一能累積校準紀錄的架構——因為只有中間產物是可以事後歸因對錯的。若 LLM 直接給部位，你事後永遠不知道錯在哪一環。
（同一個原則在 Engineering AI Coding Methodology 裡叫「AI 幫你量測，不幫你決策」。這裡是它在交易上的具體形式。）
第二條原則：棄權是一等公民
任何不能輸出「我不知道」的判斷系統都是有害的，因為它會在自己最沒把握的樣本上下最離譜的注。
實作：每個判斷元件都必須輸出 (答案, 信賴度)，且下游有明確的信賴度門檻。低於門檻時不是降低部位，是完全不交易。
理由是數學的：低信賴度代表 q 的估計誤差 τ 大。而 Kelly 的成長率曲線 在過度下注側是陡降的——當 τ 與 edge 同量級時，期望成長率的期望值是負的，即使 edge 的點估計是正的。「小注一點」不能解決這個問題，只有「不下注」可以。
案例一：對模糊結算條款的解讀
為什麼看起來不能自動化：需要讀懂法律式的語言、理解言外之意、判斷「實質上算不算達成」。
拆解
這件事其實有兩個可分離的子問題：
- 條款字面上說了什麼（可編譯）
- 條款沒說到的情況有哪些（可枚舉）
第二個才是 edge 所在——漏洞不在條款寫了什麼，在條款沒寫什麼。
設計
資料源：Gamma API 的 question / description / rules 欄位；歷史已結算市場的條款與結果配對（作為訓練與驗證集）。
Pipeline：
條款文字
↓ ①編譯
判定函數 f(世界狀態) → {YES, NO, 未定義}
↓ ②反事實枚舉
生成 N 個具體情境 s₁…s_N，各自問 f(sᵢ) = ?
↓ ③漏洞偵測
標記 f(sᵢ) = 未定義 的情境
↓ ④獨立陪審團
k 個獨立 LLM 實例各自對每個 sᵢ 判定，記錄分歧
↓ ⑤模糊度分數
ambiguity = 分歧率 × 情境發生機率的加權和
②的具體做法很關鍵：不要問 LLM「這條款模糊嗎」（它會給你一個沒有校準的形容詞），要強迫它生成具體的邊界情境——「如果事件在時限前 1 小時發生但公告在時限後 2 小時發出呢？」「如果只有部分達成呢？」「如果來源修正了數據呢？」然後對每個情境問一個有明確答案的封閉問題。
分歧率是可量測的，「模糊」不是。這是把主觀判斷變成客觀數字的關鍵一步。
④的獨立性要求：k 個實例必須看不到彼此的答案，而且最好用不同的提示框架（一個扮演提案者、一個扮演爭議者、一個扮演中立的 DVM 投票者）。同一個模型跑 k 次不算獨立——它們的錯誤高度相關。用不同的提示角色是廉價的去相關手段；用不同的模型更好。
觸發：批次，非即時。每日掃描新上架與臨近到期的市場。
下單：模糊度分數本身不是交易訊號，它是兩個東西的輸入——
風控：模糊度高的市場，部位上限直接減半以上，因為 q 的估計誤差大。而且這類市場的爭議機率高 → 資金凍結風險高（見 資金管理）。
失效邊界：
- LLM 對條款的理解與 UMA 投票者的理解可能系統性不同。前者讀的是文本，後者受到經濟誘因影響。這個差距是
α, β的一部分，必須用歷史爭議結果校準，不能假設為零。 - 條款措辭在市場上架後可能被修改（罕見但發生過）。要對條款文字做版本追蹤。
案例二：突發事件的搶先反應
為什麼看起來不能自動化：需要「知道這則新聞重不重要」的常識。
拆解
「重不重要」其實混合了兩個問題：這則新聞是不是真的，以及它對哪些市場的判定函數有影響。第二個問題在案例一已經解決了——如果你有 f(世界狀態)，那麼「影響哪些市場」就是一個索引查詢，不是判斷。
這是本專欄最喜歡的一個化簡：把「常識判斷」轉成「對已編譯的判定函數做反向索引」。
設計
資料源：條款推導的權威來源輪詢器（見 上一篇）為主；新聞線為輔（觸發用）；社群異常偵測作為第三層觸發。
Pipeline：
來源事件（官方發布 / 新聞 / 社群異常）
↓ ①事件抽取
(主體, 動作, 客體, 時間, 數值) 五元組
↓ ②去重
語義層去重，只計第一個獨立來源
↓ ③反向索引查詢
查詢所有 f 中，該五元組是輸入變數的市場
↓ ④判定函數求值
f(更新後的世界狀態) → {YES, NO, 未定義, 部分更新}
↓ ⑤產生 LR 或確定性覆寫
↓ ⑥與市價比對 → 門檻檢查 → 下單
③是整個設計的關鍵。它把「這則新聞重不重要」從一個開放式的語義判斷，變成一個在預先建好的索引上的確定性查詢。索引在批次時間建好（案例一的產物），事件到來時只需要毫秒級的查詢。
觸發與分層下單：
| 訊號類型 | 延遲預算 | 下單方式 |
|---|---|---|
| 權威來源確定性事件 | < 1 秒 | 掃單至邊際 edge 歸零（見 流動性截斷） |
| 新聞事件，抽取信賴度高 | < 5 秒 | 保守掃單 + 掛單階梯 |
| 新聞事件，信賴度中 | 無 | 只掛 maker 單 |
| 社群異常 | 無 | 不下單，只提升該市場的輪詢頻率 |
最後一列是重點：低可靠度的來源不用來交易，用來分配注意力。 這讓一個本來會製造噪音的訊號源，變成一個有價值的資源調度器。
風控：
- 每個事件的總下單額度上限，防止一個誤判的抽取結果掃光資金。
- 速率限制預算（見 1.5 秒爆發窗）：事件觸發時要按 edge 大小排優先權，不能平均分配。
- 反向確認：下單後 N 秒內若沒有第二個獨立來源確認同一事實，自動減倉。
失效邊界：
- 熱門市場的
D（市場延遲）可能已接近零，此時這條策略只在冷門市場成立。上線前必須先量D的分布並分層。 - 新聞更正。要有「事件撤回」的處理路徑，而不只是「事件發生」。
案例三：對「市場會怎麼結算」的元判斷
為什麼看起來不能自動化：需要猜測一群匿名代幣持有者的投票行為，其中還牽涉利益衝突。
拆解
這個判斷分成兩層，而且兩層要分開估：
- 層一：正確答案是什麼（條款的忠實解讀）→ 案例一的 LLM 陪審團。
- 層二：DVM 實際會投什麼（受誘因影響的行為）→ 一個獨立的行為模型。
edge 在兩層的差距，而不在任何一層本身。
設計
資料源（全部是公開鏈上或可爬取的資料）：
- UMA 預言機合約的歷史
ProposePrice/DisputePrice/ 最終結算事件。 - MOOv2 的 37 個白名單提案者地址。
- UMA 投票紀錄（誰投了什麼）。
- Polymarket 的持倉資料（Data API），用於連結投票者與部位。
Pipeline：
歷史爭議資料集
↓ ①按條款模糊度分層（案例一的產物）
↓ ②每層估計 (α, β)
↓ ③提案者層級：每個白名單地址的歷史準確率（beta 後驗）
↓ ④投票者層級：投票權集中度、持倉關聯度
↓ ⑤產生 P(結算=YES | 事實, 分層, 提案者, 爭議狀態)
這整套的輸入全部是公開的、鏈上的、可重建的。 沒有任何一項需要內幕資訊或特權存取。它之所以是 edge，純粹因為沒有人建。
觸發：兩個時點——
- 市場上架時：用分層的
(α, β)修正公平價的天花板/地板。 - 提案落地時（訂閱鏈上事件）：
β塌縮，觸發 挑戰窗搶跑。
下單與風控：見 該篇 完整處理。
失效邊界：
- MOOv2 的規則會再改。整個
(α, β)估計建立在當前的治理結構上，治理一變，歷史資料的參考價值下降。要對「規則變更日」做結構性斷點處理，不要用跨越 MOOv2 上線日的資料混合估計。 - 樣本不足：37 個提案者裡，多數的提案次數可能只有兩位數，準確率的後驗區間很寬。要用 beta 後驗的下界，不是點估計。
倫理與法遵界線（明確聲明）：本設計只使用公開的鏈上與 API 資料做統計推論。它不包含、也不應延伸到任何試圖影響投票結果的行為——那會是市場操縱，而 UMA 的爭議紀錄裡已經有這類事件的教訓。「預測裁判會怎麼判」與「影響裁判」是完全不同的兩件事，本專欄只做前者。見 風控與法遵。
案例四：「不要只是重複市價」——盲估協議
為什麼看起來不能自動化：人類分析師可以有意識地「先自己想過再看市場」；LLM 會被上下文裡的任何數字錨定。
這是 LLM 驅動交易系統最普遍、最致命、也最容易修的缺陷。
問題的精確形式
如果你的提示裡包含市價（或任何與市價相關的東西：訂單簿、近期成交、其他人的評論），模型的輸出會向市價收斂。結果是：
- 你的
q與p高度相關 → 看起來 edge 很小、很「合理」→ 你以為模型很準。 - 但 收縮權重回歸 裡的
b係數會虛假地顯著，因為模型的輸出包含了市價的資訊。 - 你會把「模型抄了市價」誤認為「模型驗證了市價」，然後在少數模型偏離市價的樣本上重注——而那些偏離恰好是模型出錯的樣本。
設計：盲估協議
①證據收集（無市價）
收集與市場相關的證據集合 E，內容經過過濾：
- 移除任何 Polymarket / Kalshi / 博彩賠率的價格資訊
- 移除「市場認為」「賠率顯示」類的措辭
- 記錄 evidence_hash
②盲估
模型只看 (條款, E)，輸出：
- q_model（先驗機率）
- 每個證據的 LR（可分項檢驗）
- confidence（用於棄權）
此步驟的提示中不存在任何市價
③獨立合併（確定性程式，非 LLM）
ℓ_post = w · ℓ_model + (1−w) · ℓ_market
w 由歷史回歸決定（分類別）
④預先登記
寫入不可變紀錄：q_model, p_market, w, q_post, evidence_hash,
confidence, traded?, size
②與③必須是不同的程序，而且③不能是 LLM——因為只要 LLM 同時看到兩者，錨定就回來了。
驗證盲估是否真的盲：對同一批市場，跑一組注入假市價的對照實驗（給模型一個隨機擾動過的價格）。如果 q_model 隨著假市價移動，你的盲估協議漏了。這個測試應該定期自動跑，因為提示模板的任何改動都可能重新引入洩漏。
這是我認為整個專欄裡最有實務價值的一節。 它不產生任何新策略，但它決定了其他所有策略的估計層是不是真的。
案例五：想像一個還沒被定價的世界
為什麼看起來不能自動化：新市場剛上架時沒有價格、沒有歷史、沒有可比較的東西。人類憑「感覺」給一個初始估計。
拆解
「感覺」的實質是參考類別（reference class）預測：這件事屬於哪一類事件，那一類事件的歷史基準率是多少。這是可以結構化的。
設計
資料源：Gamma API 的市場建立時間（偵測新上架）；歷史已結算市場的完整資料庫（作為參考類別的來源）。
Pipeline：
偵測新市場（每 N 分鐘查 Gamma，按 created_at 排序）
↓ ①條款編譯（案例一）
↓ ②參考類別檢索
從歷史已結算市場中檢索語義最近的 k 個，
計算它們的實現基準率
↓ ③盲估（案例四）——此時本來就沒有市價，天然是盲的
↓ ④合併：q₀ = 參考類別基準率與模型估計的加權
↓ ⑤兩側掛單階梯，中心在 q₀
②是關鍵，也是這個設計比「問 LLM 猜一個數字」強的地方。 參考類別基準率是有實證支撐的先驗；LLM 的直覺不是。兩者合併時，參考類別應該拿到較大的權重（除非樣本很少）。
新市場天然是盲估情境——這是它的一個被忽略的優點：你不需要防止錨定，因為沒有東西可以錨定。 這讓新市場成為驗證你的估計層的最乾淨樣本。
下單：兩側掛單（maker，零費率，且有 流動性獎勵），寬度由 q₀ 的不確定性決定。詳見 冷啟動做市。
風控：新市場的最大風險是你是唯一的參與者，而對手是市場創建者或知情者。處理：
- 單一新市場的曝險上限設得很低（總資金 0.5% 量級）。
- 成交後的單向壓力偵測：若你的一側被持續吃掉而另一側沒動，這是知情流的訊號 → 立刻撤單、擴大價差。
- 掛單階梯而非單一報價，讓知情者必須付出遞增的成本。
失效邊界：參考類別檢索在真正新穎的事件上會失敗（找不到相似的歷史市場）。此時應該觸發棄權，而不是硬給一個數字。實作上用檢索相似度的閾值當作棄權條件。
五個案例的共同結構
回看這五個設計，它們共用一個模式：
① 把「隱性知識」外顯成一個結構化物件
（判定函數、五元組、混淆矩陣、證據集合、參考類別）
② 用 LLM 產生那個物件，而不是產生決策
③ 用確定性程式消費那個物件產生決策
④ 對①的品質建立獨立的量測（分歧率、抽取信賴度、後驗區間、對照實驗）
⑤ 低品質時棄權，而不是縮小部位
這五步就是「把不能自動化的變成自動化」的通用配方。 它不保證你找到 edge，但它保證你的系統是可歸因、可校準、可改進的——而在一個需要 400 筆樣本才能證明 edge 的領域裡（見 樣本量），可歸因性比初始的聰明程度重要得多。
這篇的重點
- 判斷的四層拆解：知道看哪裡 / 看到什麼意思 / 別人怎麼看 / 自己可能錯，各有機器實作。
- LLM 產生可檢驗的中間產物，確定性程式產生部位。 這是唯一能累積校準紀錄的架構。
- 棄權是一等公民：估計誤差與 edge 同量級時，正確的部位是零，不是小。
- 模糊度要靠「反事實情境的分歧率」量測，不要問 LLM「這模糊嗎」。
- 「這則新聞重不重要」化簡成「對已編譯判定函數的反向索引查詢」。
- 元判斷分兩層（正確答案 vs 實際判定），edge 在差距，且輸入全部是公開鏈上資料。
- 盲估協議是 LLM 交易系統最重要的一個工程要求，並要用假市價注入做定期驗證。
- 新市場天然是盲估情境，且參考類別基準率比 LLM 直覺可靠。