预测市场中用于聚类和关系发现的代理人工智能

Arxiv：2512.02436v4公告类型：替换摘要：预测市场平台列出了数千份合同，其逻辑和经济联系隐含在其解析规则中。我们介绍了一种用于构建可检查的跨事件关系图的分层代理约简(HAR)流水线，以及用于评估其与市场价格一致性的行为基准。这将由问题和解决方案文本指定的预测市场目录划分为主题簇，将类型化的LLM推理应用于小批量，并提出特定市场之间的签约关系。我们评估了八个月度卡尔什目录(2026年2月至9月)的语义关系图。使用来自3,030万笔交易的数据，我们计算了一个基准，将链接对的签名价格变化相关性与来自相同主题集群的匹配的、未链接的控件在相同的时间戳上进行比较。在全样本和离开第一周评估下，我们的渠道识别的关系显示出比匹配的主题内控制更高的签约皮尔逊价格变化相关性，具有统计学意义。这种增加也出现在Spearman关联中，并且在标记为中等或高强度的关系中变得更大。这个基准提供了一个标准，用于将关系发现方法与其输入文本以外的观察结果进行比较，我们的结果表明，代理人工智能和LLM推理能够识别互联Web市场中各个市场之间的有意义的关系。