この「forecasting RL（予測強化学習）」に関する記事は面白い。

その仕組みは次のように理解できる：
過去の予測問題と実際の結果があるデータセットを使い、AIを当時の時点に戻す。
ただし、今日のインターネットに直接アクセスさせると答えを覗き見できてしまう。
そこで作者は「タイムマスク」環境を構築した：
検索は当時以前の資料に限定；
Webページは履歴スナップショットから読み込む；
金融・トレンドデータも当時に見えていた部分のみ提供。
そしてモデルに自ら資料を調べさせ、証拠を判断し、確率を出力させる。
実際の結果が明らかになった後、proper scoring rule（適切なスコアリングルール）で採点し、RLを使ってより良い予測プロセスを強化する。
最も興味深いのはここ：
訓練するのは答えの一文ではなく、予測の一連の行動全体だ：
何を調べるか、何を読むか、いつ止めるか、矛盾する証拠をどう扱うか、最終的にどの確率を出すか。
予測市場に適用するなら、最初のステップはAIに自動取引させることではないと思う。
まず「forecast diary（予測日記）」を残させるべきだ：
1. 当時の確率
2. 使用した証拠
3. 市場価格
4. 取引するかどうか
5. その後の結果
6. 誤りの原因分類
もしあるシステムが60%と言ったとき、長期的に本当に60%でなければ、それはまだ戦略ではなく、単に理由を書けるだけだ。
もしあなたも「予測を記録 → 結果を待つ → 自分をキャリブレーションする」練習をしたいなら、少額・シミュレーションから始めて、それを取引アドバイスではなく予測日記として使うといい。
私が使っているリンク：

原文はこちら：

最も見る価値があるのは結論そのものではなく、「予測」を訓練可能で振り返り可能なプロセスに分解した点だ。