七月，DigClaw 的预测框架 Rhizome v1 在 FutureX 评测平台表现出色，斩获了第一名、第三名和第七名。这三个席位分别来自三个不同的基础模型，包括 Kimi-K3 和 DeepSeek-V4-Pro 等。在同一个榜单上，同一套框架让三个不同的模型都进入了前十，DigClaw 是唯一做到这一点的参赛方。这组成绩基于 59 道覆盖政治、经济、科技领域的真实事件预测题，不存在训练数据泄露的可能。
这些成绩有力地支持了 DigClaw 正在验证的一个判断：预测能力可以沉淀在基座模型之外。随着基础模型的进步，系统可以获得能力红利；而预测轨迹、结算反馈、校准经验和持续演化的工作流，则持续沉淀在系统内部。这不是一次偶然的竞赛结果，这是 DigClaw 对“预测到底应该怎么做”这个问题给出的第一个外部验证。
01 预测是 AI 最被低估的能力
随着预测任务逐渐走向标准化和工程化，AI 被寄予了规模化处理复杂预测问题的期待。但这里有一个根本性的问题：大语言模型天然不擅长预测。LLM 学习的是相关性，而非因果性。它们从过去的语料中提取模式，但“学习过去”和“预测未来”是两件本质不同的事。这带来了三个致命问题：因果方向盲区、干预推理失效、校准缺失。
现有方案各有局限：人类群体智慧（预测市场）需要流动性，冷门问题上价格不可信；LLM 模式匹配没有因果结构；端到端训练有结果导向偏差——一个逻辑严密但“答错”的推理过程会被惩罚，碰巧“猜对”的粗糙判断反而被强化。这正是 DigClaw 存在的原因。DigClaw 构建的是以因果结构为骨架、以概率计算为引擎、以搜索智能为数据管道的预测基础设施。核心假设是：预测不应该由一个模型端到端完成。搜索、因果推理、概率推断是三个正交的能力，应该由三个专门的系统分别解决，然后结构化地组合。
02 三个前十，验证预测能力的跨基座迁移
FutureX 是当前最具挑战性的实时预测榜单：每周发布真实世界事件预测题目，提交预测时标准答案尚未产生，事后结算。数据集托管在 HuggingFace，评估框架开源在 GitHub，结果可复现、可验证。
Rhizome 在三个基座上采用同一套预测框架和运行条件，各自独立生成并提交答案，不做跨模型聚合。因此，这三个名次是同一套系统方法在三个基座上的分别运行，即一次清晰的跨基座对照。但这并不意味着基座模型不重要。基座仍然提供语言理解、推理和工具使用等通用能力。这一榜单结果说明的是：如何组织检索、处理时间、表达概率、维护证据和控制长程运行，可以形成独立于模型权重的系统能力。
以下是 DigClaw 在 FutureX 上 Rhizome 框架的 Technical Report。
03 Rhizome Technical Report
Rhizome 的设计围绕三个工程判断展开：搜索和推理必须解耦、预测轨迹必须完整保留并形成校准资产、概率更新必须感知因果结构。
设计决策一：搜索与推理多模型解耦
Rhizome 的核心设计洞察是：搜索质量和推理质量是两个正交的问题，不应由同一个模型同时优化。当前主流的 DeepResearch agent 将搜索和推理绑定在同一个模型内——搜索质量被推理负担拖累，推理质量被搜索噪声污染。Rhizome 的做法是彻底解耦：搜索 agent 只负责找相关信息，推理层只负责在已有证据上做结构化推理。预测任务对信息的需求不是“准确回答用户问题”，而是“尽可能发现所有相关联的信号”。搜索 agent 的优化目标是信息相关性，不是答案正确性。如果搜索 agent 被训练去“找答案”，它会倾向于找到看起来像结论的内容，这恰恰最危险。
训练采用强化学习框架，两条路径并行迭代：路径 A：开源模型 RL 微调——在 8B/30B 参数的开源模型上，以搜索相关性为 reward 做 RL 训练；路径 B：闭源模型 Harness——对 Claude/GPT 等闭源模型，构建外部搜索约束框架。不同基座在预测任务中呈现出稳定差异：有的适合长时间检索与复杂推理，有的更擅长定量建模，有的则在成本和响应速度上更有优势。Rhizome 将预测协议、Agent 编排、工具调用和结果评测放在基座之外，机构可以根据任务价值和运行规模选择基座，在推理能力、成本与响应速度之间做取舍。
设计决策二：轨迹记录与概率校准，沉淀数据资产
Rhizome 为每一次预测保留一条带版本信息的完整轨迹：题目的时间条件与结算标准、预测时能够获得的证据、Agent 编排与工具调用过程、最终答案与概率，以及对应的模型和系统版本。这些记录形成于结果揭晓之前，保存了 Rhizome 在尚不知道答案时做出的真实判断。
事件结算后，Rhizome 将预测轨迹与现实结果放回同一条记录中，回看当时掌握了什么信息、遗漏了哪些反向证据，以及错误发生在检索、时间判断、推理、答案表达还是概率校准。一次高置信度的错误与一次接近五五开的错误，虽然都被记为“答错”，暴露的问题并不相同。
Rhizome 会对同一道题进行多次独立预测。系统不会把结果简单平均，而是先在对数几率空间进行聚合，再结合已结算题目的 Brier Score 调整极端化强度。不同轨迹提供的信息越独立，聚合结果可以越明确；证据重叠越多，调整就越克制。在此基础上，Rhizome 通过 Platt 缩放，利用已结算题目识别持续的过度自信或过度保守，并对后续概率进行校正。校准的标准很直观：系统给出 60% 的事件，长期应该约有六成发生；给出 80% 的事件，长期应该约有八成发生。每次运行对应到当时的系统版本与关键配置，使概率变化和异常结果能够回到具体原因。基座可以升级或更换，问题定义、证据记录、信念变化、结算结果和校准经验仍然保持连续。这类反馈数据无法在结果揭晓后批量补造——每个样本都必须在未来尚未发生时留下判断，再等待现实给出答案。代码可以复刻，时间沉淀的数据资产无法速成。
设计决策三：因果链感知的持续更新
事件尚未结算时，新的数据、政策和市场信息会持续出现，系统需要判断原有概率是否应该更新。Rhizome 为未结算问题保存信念状态。每条证据分别记录事件发生时间、内容发布时间和系统读取时间。新信息与已有记录完全重复时，系统跳过更新；新证据与旧记录冲突时，旧证据不会被删除，系统保留判断被修正的过程。单次概率变化超过 0.15 时，必须指向触发变化的具体新证据。
这里有一个更难的问题：新证据究竟代表多股独立力量，还是同一条因果链在不同位置留下的信号？加息公告、利差变化和资本流动可能先后出现，但它们未必是三份独立信息。如果系统将它们分别计入概率更新，同一个原因就可能被重复计算，把概率推向过度自信的极端。Rhizome 正在开发一套因果链感知的贝叶斯更新框架，在证据进入概率更新之前，先识别它所属的因果传导链，再根据链内关系调整证据权重。
这一框架包含四个层次：因果知识库、同链信号去重、全局后验帽、传导时滞感知。在 DigClaw 内部预测系统上，这套框架已完成原型实现和初步验证，并指导进行了多笔投资实践。实验显示，与直接贝叶斯聚合相比，同链信号去重与全局后验帽将过度自信率从约 25% 降至 12%。
04 为什么一家投资机构要做预测模型
Newborn Ventures 由 DigClaw 发起，是全球首家以 AI 挖掘 Beta 趋势为驱动的投资和孵化机构。DigClaw 的趋势预测基座，是支撑这支 AI Native VC 的底层技术框架。
投资的本质是预测。判断一个赛道是否会爆发、一个团队是否能跑出来、一项技术是否会成为主流，这些都是预测问题。传统投资依赖合伙人的经验直觉和信息差，但 DigClaw 相信，这些判断可以被系统化、被模型化。从更大的视角看：投资回报等于 Beta 加上 Alpha。Alpha 的研究已经相对成熟，但 Beta——对宏观事件和趋势的预测，目前还没有真正有效的 AI 解决方案，这正是 DigClaw 要解决的问题。
当预测从一种直觉判断变成一个可调用、可集成、可校准的参数，它能嵌入的决策场景远比当前看到的要多。对上市公司而言，它意味着在产业链变动和政策风向形成前完成战略预判与风险预警；对投资机构而言，它意味着在共识形成之前发现价值；对政府引导基金而言，它意味着以系统化方法研判产业趋势与政策效果。同一套预测能力，对外在 FutureX 接受公开评测，对内驱动投资决策，也向产业方、金融机构和政府引导基金开放服务。对于 DigClaw 和 Newborn Ventures 而言，FutureX 第一名是起点，不是终点。
关于 DigClaw
DigClaw 是一家专注于预测智能的 AI 科技公司，核心使命是构建可校准、可审计、可集成的预测基础设施。其旗舰预测框架 Rhizome 通过因果推理、概率校准和搜索智能三层架构，实现了独立于基础模型的系统能力——基座可更换，预测资产持续积累。DigClaw 的预测系统已在 FutureX 等公开评测平台上获得外部验证，并将同一套能力应用于投资决策、产业趋势研判和战略风险评估等实际场景，向产业方、金融机构和政府引导基金开放合作。
关于 Newborn Ventures
Newborn Ventures 是一家 AI 原生的早期风险投资与孵化机构。其核心信念是：投资的本质是预测，判断赛道是否会爆发、团队是否能跑出来、技术是否会成为主流，这些都是可以被系统化、模型化的预测问题。Newborn Ventures 通过自研的 Deep Research Agent 和因果预测系统，在全球范围内追踪 AI 推理方向的创新信号，发现尚未被市场定价的结构性机会——真正的 Beta。从首次接触到投资决策，其用 AI 重构了每一个环节，承诺 48 小时内给出有技术深度的明确反馈。