這篇講 forecasting RL 預測強化學習的文章挺有意思。

它做的事情可以這樣理解：
拿一批已經有結果的歷史預測題，讓 AI 回到當時的時間點。
但不能讓它直接上今天的網際網路，否則會偷看到答案。
所以作者搭了一個「時間遮罩」環境：
搜尋只能搜當時以前的資料；
網頁透過歷史快照讀取；
金融和趨勢數據也只給當時可見的部分。
然後讓模型自己查資料、判斷證據、輸出機率。
等真實結果揭曉後，用 proper scoring rule 給它打分，再用 RL 去強化更好的預測過程。
這點最有意義：
訓練的不是一句答案，而是整套預測動作：
查什麼、讀什麼、什麼時候停、怎麼處理衝突證據、最後給多少機率。
放到預測市場裡，我覺得第一步還不是讓 AI 自動交易。
更應該先讓它保留 forecast diary：
1. 當時機率
2. 使用證據
3. 市場價格
4. 是否會交易
5. 後續結果
6. 錯因歸類
如果一個系統說 60% 的時候，長期並不像 60%，那它還不是策略，只是會寫理由。
如果你也想練習「記錄預測 → 等結果 → 校準自己」，可以從小額/模擬開始，把它當預測日記，而不是交易建議。
我自己用的連結：

原文在這裡：

我覺得最值得看的不是結論本身，而是它把「預測」拆成了一個可以訓練和複盤的過程。