深度分析
InfoDelphi 利用資訊不對稱提升多代理人預測市場的準確性
預測市場的準確度常受單一模型限制,研究提出InfoDelphi透過公共與私有證據分割、理性共享與信心加權聚合,使多代理人具資訊多樣性,於PolyGym測試中Brier分數提升12%至18%,準確率提升4%至8%。此外,實驗證明若移除資訊不對稱,多代理人優勢幾乎消失,凸顯輸入多樣性是提升集體推理的關鍵。
深度分析
預測市場的準確度常受單一模型限制,研究提出InfoDelphi透過公共與私有證據分割、理性共享與信心加權聚合,使多代理人具資訊多樣性,於PolyGym測試中Brier分數提升12%至18%,準確率提升4%至8%。此外,實驗證明若移除資訊不對稱,多代理人優勢幾乎消失,凸顯輸入多樣性是提升集體推理的關鍵。
大型語言模型
資訊市場常因買方無法檢視資訊而產生不對稱。研究以大型語言模型作為遞迴買方,讓其檢視後遺忘資訊,減少此問題。結果顯示此機制可促使資訊依真實價值定價,對 AI 對齊研究具潛在影響。