一句話：交易者對標題定價，預言機依條款結算；兩者的語義落差是一個可量測、可掃描、可交易的量。
分級：原創假說，待驗證。理論基礎（語義非同質性導致一價定律破壞）有 2026 年的預印本支持，但把它operationalize 成一個可掃描的背離分數，是我的推導。
機制
Polymarket 的市場介面有一個資訊層級：標題最顯眼、描述次之、完整規則最不顯眼。 一個典型的市場呈現是
「聯準會 3 月降息？」 若聯邦公開市場委員會於 2026 年 3 月會議後宣布調降聯邦資金利率目標區間，則結算為 Yes。若無 3 月會議、會議延期至 4 月、或僅調整超額準備金利率而未調整目標區間，則結算為 No。
多數交易量來自看標題的人。結算來自條款。
這不是抱怨使用者不讀規則——它是一個結構性的、可預期的、方向確定的定價偏誤：
市價 ≈ P(YES | 標題的自然解讀)
公平價 = P(YES | 條款的字面判定) × (1−α−β) + α
背離分數定義為
Δ = P(YES | 條款) − P(YES | 標題)
當 |Δ| 大於 費用門檻 時，就是一個交易訊號。
為什麼 Δ 通常有一個方向
條款幾乎總是比標題更嚴格。 原因是條款存在的目的就是消除歧義，而消除歧義的方式是加限定條件——時間邊界、資料源、排除情況。每加一個限定條件，滿足的世界狀態就變少。
所以先驗上 Δ < 0：條款版本的 YES 機率低於標題版本。
這給出一個很強的、可直接檢驗的推論：
平均而言，YES 邊被系統性高估，而高估幅度隨條款的限定條件數量遞增。
這也可能是 「過度交易 Yes 邊」實證觀察 的一個機制性解釋——Reichenbach & Walther 發現市場層級有過度交易預設選項與「Yes」邊的傾向，但沒有給機制。條款—標題背離是一個候選機制，而且它可以被獨立檢驗（見下面的驗證方法）。
最優解
目標函數與 通用框架 相同，特殊之處在於 q 的來源與它的誤差結構：
q = P(YES | 條款) × (1 − α − β) + α
edge = q − p
下注條件：|edge| > φ·p(1−p)
部位：n* = edge / [p(1−p)] − φ，再乘上分數 Kelly 係數
這裡的分數 Kelly 係數應該與背離分數的信賴度綁定，而不是用一個固定值：
係數 = 0.5 × agreement_rate²
其中 agreement_rate 是 LLM 陪審團對條款判定的一致率。用平方是因為部位對估計誤差的敏感度是二次的（成長率 ∝ edge²），所以信賴度應該以平方進入。這是一個設計選擇而非定理，但它的方向是對的：低一致率要被重罰，不是線性打折。
自動化架構
每日批次
↓
① 拉取市場（Gamma API，增量，注意 /markets 300/10s 限制）
↓
② 分離「標題視角」與「條款視角」
- 標題視角輸入：僅 question 欄位
- 條款視角輸入：question + description + rules 全文
↓
③ 雙盲估計（兩個獨立的 LLM 呼叫，互相看不到）
P_title = P(YES | 標題) ← 提示中沒有條款
P_clause = P(YES | 條款) ← 提示中有完整條款
兩者都不含市價（盲估協議）
↓
④ 陪審團：k=3~5 個獨立實例跑 ③，記錄 agreement_rate
↓
⑤ 對抗性反駁：一個獨立實例被要求「證明 P_clause 是錯的」
若反駁成功（另一個裁判判定反駁有理）→ 丟棄該候選
↓
⑥ Δ = P_clause − P_title，排序，取 |Δ| 超過門檻者
↓
⑦ 與市價比對 → 門檻檢查 → Kelly 部位 → 掛單優先
幾個設計細節
③的「標題視角」要真的只看標題。 一個常見的實作錯誤是把描述也餵進去，這樣兩個視角就沒有差異了。差異本身就是訊號。
⑤的對抗性反駁不是可選項。 沒有它，這個策略會系統性地交易 LLM 的幻覺——因為 |Δ| 大的候選，恰好是模型對條款做了某種「創造性解讀」的樣本。對抗性步驟是把「模型讀出了真實的漏洞」與「模型編了一個漏洞」分開的唯一機制。
⑦優先掛單而非吃單。 這個策略沒有時間壓力（背離不會在幾秒內消失，它可能持續到到期），所以應該吃下 [[projects/polymarket-strategy-research/03-fees-and-net-edge|掛單的 φ·p(1−p) 價值]]。這是它相對於事件驅動策略的一個結構性優勢：慢策略可以當 maker，快策略必須當 taker。
預期 edge 與它的衰減
量級估計（純推論，未驗證）：
如果條款的限定條件平均排除 3–8% 的「標題會判 YES」的世界狀態，而市場只部分反映（假設反映一半），則 |Δ| 的可交易部分 ≈ 1.5–4 個百分點。
對照 門檻表：政治類在 50¢ 的門檻是 1.00 個百分點。如果上面的量級對，這個策略有 0.5–3 個百分點的淨 edge。 這是一個值得做的量級，但它完全建立在一個我沒有驗證過的假設上。
衰減路徑：
- 最快的衰減來自平台：若 Polymarket 改善標題與條款的一致性（或在 UI 上更突出關鍵限定），這個 edge 直接消失。這是平台有動機做的事，因為使用者被條款意外是客訴來源。
- 競爭衰減較慢：需要複製整條抽取＋陪審團管線，且各家的 LLM 判定會有分歧（分歧本身讓 edge 不會被完全套走）。
這條 edge 的預期壽命我估計偏短（一到兩年量級），理由是平台的改善動機明確。應該把它當成一個要盡快收割並持續量測衰減的機會，而不是長期基礎設施。
怎麼驗證（不需要下單）
這是本篇最重要的一節。整個策略可以在完全不交易的情況下被證偽。
驗證一：Δ 的符號分布
- 取 500 個已結算市場。
- 對每個跑
P_title與P_clause（模型看不到結果，也看不到價格）。 - 檢驗
Δ的分布是否顯著偏負。
若 Δ 的分布以零為中心，「條款比標題嚴格」的先驗就是錯的，整個策略的方向性基礎不成立。
驗證二：Δ 是否預測結果
在同一批市場上跑回歸：
outcome ~ a·logit(p_market_at_creation) + b·Δ + const
b 顯著為正，才代表 Δ 有超越市價的增量資訊。 這是唯一有意義的檢定——Δ 與結果相關但不超越市價，是沒有交易價值的。
驗證三：對抗性步驟的效果
比較有無步驟⑤的兩組候選，看 b 係數是否顯著不同。如果加了對抗性步驟後 b 沒有改善，代表模型的「漏洞發現」與「幻覺」無法被區分——那麼這個策略應該被放棄，而不是調參。
驗證四：與交易量的交互
假說：Δ 的可交易性應該與**「標題閱讀者佔比」**正相關。代理變數：市場的散戶交易佔比、平均成交規模、社群提及度。若 Δ 的預測力在高散戶佔比的市場上更強，這是對機制的強力佐證（而不只是對相關性的觀察）。
這四個驗證的順序是有意義的：一失敗就停，不要往下做。
風險與失效邊界
| 風險 | 描述 | 緩解 |
|---|---|---|
| LLM 幻覺出的漏洞 | 模型「讀出」條款裡不存在的限定 | 對抗性反駁 + 陪審團一致率 + 平方加權 |
| 模型與 DVM 的解讀不同 | 條款字面上支持你，但 UMA 投票者不這麼想 | 這正是 (α, β)，見 混淆矩陣；高模糊度市場減碼 |
| 持有到期 | 背離不會很快收斂，資金鎖住 | 用 [[projects/polymarket-strategy-research/06-probability-vs-price|edge/(p·T)]] 排序，長天期的要有更大 edge |
| 平台修正條款/標題 | edge 直接消失 | 條款版本追蹤；持續量測 b 係數的時間序列 |
| 選擇偏誤 | 你只看到 |Δ| 大的市場，那些恰好是模型最不穩定的樣本 | 全樣本預先登記（含未交易的），見 校準 |
最大的單一風險是第一項。 這個策略的整個假設是「模型能讀出人類沒讀出的東西」，而模型也可能只是編出人類沒編出的東西。兩者在單一樣本上不可區分，只能靠統計。這是為什麼驗證三是決定性的。
分級
| 主張 | 等級 |
|---|---|
| 條款與標題的語義可能不一致 | 機制必然（讀任何一個市場即可確認） |
| 語義差異會導致價格偏離 | 有證據（語義非同質性預印本，2026） |
條款系統性地比標題嚴格（Δ < 0） | 原創假說，驗證一可證偽 |
Δ 對結果有超越市價的預測力 | 原創假說，驗證二可證偽 |
| 對抗性步驟能區分漏洞與幻覺 | 原創假說，驗證三可證偽 |
| 這是「過度交易 Yes 邊」的機制解釋 | 原創假說，驗證四提供間接證據 |
下一個策略：邏輯蘊含圖 LP 套利。