LLM 能否助力去中心化争议仲裁？一项关于 Polymarket 上 UMA 解决市场的案例研究
计算机与社会
2026-04-20 v1
摘要
以 Polymarket 为代表的 Web3 预测市场，因利用集体智慧预测广泛的社会、政治和体育事件而备受关注。然而，在成千上万的预测市场事件中，由于市场机制的不完善，共识争议仍然会出现。仅在 Polymarket 上，涉及争议事件的交易量就已达到 972,370,804.71 美元，这凸显了对客观、高效争议解决方案的迫切需求。在本研究中，我们引入大语言模型（LLM）来：(1) 评估具备网络访问能力的 LLM 能否在争议提出后，复现 UMA 链上投票过程的决策质量；(2) 基于事件规则，预测哪些市场事件在发生前可能面临未来争议。我们的研究结果表明，LLM 无法可靠地预先预测哪些事件会产生争议；然而，一旦争议被发起，具备网络访问能力的 LLM 与 UMA 最终裁决的一致性达到 89.58%，并表现出很强的稳定性。
引用
@article{arxiv.2604.15674,
title = {Can LLMs Help Decentralized Dispute Arbitration? A Case Study of UMA-Resolved Markets on Polymarket},
author = {Junhao Wen and Juncen Zhou and Junjie Huang},
journal= {arXiv preprint arXiv:2604.15674},
year = {2026}
}