从叙述性预测到可审计预测：代理预测的结构化支架

LLM 代理越来越多地用于实时预测，它们检索最新信息并对未解决的未来事件进行估计。然而，当前的代理预测通常依赖于隐式叙述聚合：代理收集证据，用散文进行讨论，并经常分配一个概率，而没有从证据到预测的明确更新路径。这限制了预测的准确性和可审计性。我们提出了 AuditForecast，这是一种用于结构化概率预测的代理支架。 AuditForecast 首先使用合适的定量基线模型来锚定预测，使用模型引导的数据检索来导出基本概率，然后通过赔率空间中的机械聚合在模型范围之外应用情境因素更新。这将预测从基于散文的判断转变为具有明确中间对象的结构化过程。在多个实时预测基准中，AuditForecast 相对于强大的代理基线提高了预测准确性和校准，在多种设置中超越了市场隐含的参考，并且优于更昂贵的深度研究代理，同时在成本与准确性权衡中保持帕累托主导。除了绩效收益之外，AuditForecast 还生成可审计的预测报告，使预测构建变得明确并支持系统的事后分析。