你在预测市场上看到两个新合约。一个问“比特币会在某日突破某个价格吗”，写清数据来源和截止时间；另一个只问“某件大事会不会发生”，结算条件也很含糊。即使还没有一笔交易，你大概也会觉得，前者更容易吸引人下注，后者更可能在结算时吵起来。
一项针对 Polymarket 的研究把这种直觉变成了大样本检验。Ahmed Mahrous 与 Roberto Di Pietro 分析了平台在 2023 年 1 月至 2026 年 5 月上线、后来已经结算的 802,863 个市场，只读取上线时可见的标题、描述、指定结算来源和合约元数据，预测它们最终会有多少交易量，以及结算是否会遭到正式挑战。
结果是：合约上线时确实已经带着很强的统计信号，但“标题已泄露风险”不能按字面理解。它不代表标题泄露内幕、确定结果或直接套利机会，而是说主题、措辞和规则设计与未来的需求及争议概率存在可预测关系。本文数字均来自这篇论文这一单一信源，尚无第三方复现或平台方说明。
热不热门，先看它在谈什么
预测市场事件合约，是一张围绕“某件事是否发生”支付的合约。价格常被读作市场对事件概率的判断。不过在价格出现以前，平台首先要面对一个更朴素的问题：新市场会不会有人交易？
论文样本里的需求极不平均。交易量中位数为 3,542 美元，但排名前 1% 的市场拿走了全部交易量的 62.4%。这意味着平台若能在上线时识别潜在热门市场，就能更有针对性地安排审核和运营资源。
研究者把上线信息逐层加入模型。最基础的一层包括计划持续时间、结算设置、文本长度，以及是否出现日期、价格等具体锚点。仅靠这些合约特征，模型预测对数交易量的样本外 为 0.220。
这里有两个容易误读的词。“对数交易量”是先压缩极端悬殊的交易量，再让模型预测；因此最终的 不能写成“原始交易量预测准确率为 74.7%”。“样本外 ”则是在模型没有参与训练的数据上，将预测误差与一个基准预测比较；正值越高，说明上线信息越有可泛化的解释力。
最大的增益来自市场主题，也就是合约究竟在谈加密资产、体育、天气，还是政治与媒体。加入主题后， 在 0.220 的基线上增加 0.289。相比之下，措辞和结算规则设计合计只增加 0.027。换句话说，决定热度的第一件事仍是“大家是否关心这类问题”，写法则更像同一主题内部的加减分项。
这不是说写法无关紧要。研究构造了一个“具体性”指标：是否明确给出来源、日期和量化锚点，并对含糊表述扣分。得分为 0 的市场中，50.5% 最终达到 1,000 美元交易量；得分为 3 时，这一比例升至 83.0%。但论文强调，这些是相关关系，不足以证明把文案改得更具体，就会直接制造需求。
更复杂的模型，没有读出多少新东西
研究者还测试了神经文本模型，也就是用神经网络把整段合约文字转换成数值表示，再交给预测器。结果并没有明显超过可解释特征：冻结的文本表示与主模型表现接近，更大的 BGE-M3 编码器没有带来额外收益；对 e5-small 做端到端微调后， 只从 0.747 小幅升至 0.754。
这项结果的价值不在于宣告“神经模型无用”。论文只比较了有限的模型。它真正说明的是，在这批数据和测试方法下，主题、结构化信息、措辞与规则设计已经捕捉了大部分可用信号。平台不必先部署一个难解释的黑箱，才能得到实用的初步排序。
研究还专门避免了一个常见陷阱：同一场比赛或同一组价格区间可能生成多个高度相似的合约。如果把这些“兄弟市场”分别放进训练集和测试集，模型等于提前见过答案的近亲。作者因此按事件分组，确保同一事件的市场不会跨越训练和测试两侧。
平台一换挡，旧规律就失效
在同一时期内评估时，模型判断一个市场最终能否达到 1,000 美元交易量，AUC 为 0.940。AUC 不是准确率或命中率；它表示随机抽取一个高交易量市场和一个低交易量市场时，模型把前者排得更高的概率。
但更接近真实部署的测试给出了相反提醒：用过去季度训练、预测之后季度，AUC 降至 0.577，接近随机排序的 0.5。这个下降与平台扩张及合约刊登格式变化同期发生，只能说明分布变化下的泛化恶化，不能证明是哪项平台变化造成了它。
问题尤其集中在新格式。后期测试市场中，76.9% 的问题形式从未在训练数据出现；在这些市场上，模型几乎失去区分能力。对训练期已经见过的问题形式，AUC 仍有 0.778。
作者进一步区分了两种过时方式。一种是模型不再会“读”新文本；另一种是文本仍能读懂，但某类合约对应的交易需求已经变了。诊断结果显示，重新学习文本到特征的映射有所帮助，重新估计“哪些特征对应多少需求”恢复得更多。说白了，不只是菜单换了写法，顾客的口味也变了。
因此，论文给出的实践含义很克制：热度模型只能在相对稳定的市场环境里直接用于排序。平台需要定期重训，并监控从未见过的问题形式占比；简单把全部预测统一调高或调低，修不好合约之间已经改变的相对排名。
争议能排序，不能点名
第二个任务是预测结算争议。合约解决规则——即事件何时算发生、依据哪个来源裁决、例外情况如何处理——相当于这张合约的合同条款。写得越难核验，参与者越可能对最终结果有不同理解。
在具有可观察争议记录的 529,408 个市场中，只有 1,634 个遭到正式挑战，基准发生率为 0.31%，约每 320 个市场出现一个。上线信息预测争议的 AUC 达到 0.78，说明它确实能把较危险的市场排到前面。
可是罕见事件会制造一种错觉：排序不错，不等于点名准确。该模型的平均精确率只有 0.012，虽高于随机基线 0.0031，但意味着被标成高风险的对象仍以未发生争议者为主。即使只审核风险最高的 5%，其中争议率也约为 1.7%，并只能覆盖全部争议的 27.4%。所以它适合帮助人工团队确定审核顺序，不适合自动拒绝某个市场。
匹配主题、季度和结算来源类型后，论文观察到三组关联。结算规则的阅读难度每增加一个年级水平，争议赔率提高 23%；没有可识别或成功解析的结算来源，相比机械数据源的调整后争议赔率约为 4.93 倍。边界情况条款则呈现两面性：出现这类条款，本身可能说明创建者已经预见麻烦；但在已经写了条款的合约中，覆盖越完整，争议赔率越低。作者将其称为“预期到的歧义”，并明确提醒这些都不是因果估计。
为什么值得关注
这项研究最有用的地方，不是找到一句能制造爆款的标题，而是把两个运营决策分开了：交易量预测可以在稳定时期用于市场排序；争议预测只能用于分组筛查和人工复核。
它也给合约设计者一个清晰信号。主题决定了大部分需求差异，但明确的数据来源、具体的时间和数值条件、可读且覆盖边界情况的结算规则，仍能帮助平台在上线前识别值得检查的市场。更重要的是，模型的高分并非永久资产。一旦平台推出大量新格式，旧数据总结出的“什么会火”可能迅速过期。
局限与未知
- 数据只来自 Polymarket。其他平台的刊登流程、参与者和结算机制不同，结论能否迁移仍待验证。
- 主题、措辞和规则与结果之间都是统计关联，不能据此断言修改文案会直接提高交易量或减少争议。
- 论文仍需进一步核查近乎全量样本的定义、去重方式、交易量及争议标签口径，以及关联市场是否可能造成残余的数据泄漏。