PolyGnosis 2.0：通过智能体匠心工程提升 LLM 推理能力，用于 Polymarket 与 OSINT 信息提取
计算与语言
2026-05-26 v1 计算工程、金融与科学
摘要
本文介绍 PolyGnosis 2.0，这是一个 pioneering 多智能体体系结构，旨在通过综合 Polymarket 异常信号与全球 Open Source Intelligence (OSINT) 流，特别是 Global Database of Events, Language, and Tone (GDELT)，来提取预测智能。我们定义并针对 "Perspective Mismatches"，即 Polymarket 情绪与全球媒体流之间的叙事偏差，作为 high-alpha 交易信号。我们严格量化了在 high-noise 金融领域中 "Harness Engineering" 技术的有效性，包括反思循环、工具调用、划分与 conquering (D&C) 以及链式思维 (CoT)。我们的实证评估对人类专家基准显示，尽管结构划分对于多维对齐是必需的，但无约束的终端反思会主动引起逻辑漂移。此外，我们识别出在叙事推理中所有智能体配置都普遍存在的 "consensus bias"，这需要确定性验证。最终，我们隔离出一个 Pareto 最优配置，实现专业级的分析精度，同时最小化延迟和 token 开销，为预测市场中的自主智能提供了稳健的蓝图。
引用
@article{arxiv.2605.25958,
title = {PolyGnosis 2.0: Enhancing LLM Reasoning via Agentic Harness Engineering for Polymarket and OSINT Insight Extraction},
author = {Daren Wang and Hong Xu and Jiawen Xian},
journal= {arXiv preprint arXiv:2605.25958},
year = {2026}
}