AIA Forecaster: Technical Report
原创示意图：为什么更弱的 AI signal 仍然有组合价值
这篇很值得看，因为它和我现在在想的 Financial Benchmark + Point-in-time Market Memory 高度相关。
先讲结论：它不是 RSI 论文，也没有训练一个新的 forecasting model。本质上是 Bridgewater AIA Labs 用现成的 o3，叠加 agentic search、10 次独立采样、Supervisor 和统计校准，做出一个高性能的 inference-time forecasting system。
所以这篇真正证明的不是「LLM 已经能预测未来」，而是：
当信息基础设施、并行研究流程、分歧解决机制和概率校准都做好以后，现有模型已经可以在一部分结构化预测任务上接近顶尖人类。
但我觉得论文里商业价值最高的结果甚至不是 match superforecasters，而是：
AI 单独明显打不过强 prediction market，但 AI + Market 的组合反而能超过 Market。
这意味着一个信号不需要单独 outperform benchmark。只要它和 benchmark 的 error 不完全相关，就仍然可能有组合价值。
整套系统可以压缩成：
Question → 10 个独立 research agents → 各自动态搜索和预测 → Supervisor 找出分歧并追加搜索 → 输出概率 → Platt Scaling 校准
几个关键点：
1）Agentic Search 不是预先生成三条 query 就结束。每个 agent 会根据上一轮搜索结果，自己决定下一步还缺什么信息。
2）每道题默认跑 10 次独立预测，因为单次 LLM forecast 的方差很大，容易漏掉关键证据、锚定错误 base rate，或者随机生成一个很极端的观点。
3）Supervisor 不是简单投票，也不是从 10 个答案里挑一个「写得最好」的。它先定位各 agent 在事实、base rate 和推理上的 disagreement，再围绕 disagreement 追加搜索。
4）最后用 Platt Scaling 把概率往 0 或 1 推远，纠正 LLM 习惯性向 50% 收缩、过度保守的问题。