Valory představuje model Olas Predict s otevřenými vahami, který zlepšuje předpovídání skutečných událostí

Valory představila model Olas-Predict-Qwen3.8-27B s otevřenými vahami. Podle společnosti se při testování na skutečných predikčních trzích jeho výsledky přiblížily srovnávacímu modelu GPT-5.6 na rozdíl 1,2 procentního bodu. Specializovaný model s 27 miliardami parametrů dosáhl v interním hodnocení společnosti Valory vyvážené přesnosti 67,3 %, zatímco GPT-5.6 dosáhl 68,5 %, když oba systémy pracovaly se stejnými informacemi o trzích.

Výsledek otevírá praktickou otázku vývoje umělé inteligence: nakolik výkon při specializovaném úkolu závisí na širokých znalostech modelu a nakolik jej lze zajistit relevantními informacemi a cíleným tréninkem? Nejnovější experiment společnosti Valory naznačuje, že menší, přizpůsobitelný model může být při úzce vymezeném úkolu předpovídání konkurenceschopný. Zároveň ukazuje, že značnou část zlepšení přináší výkonnější základní model.

Co srovnání předpovědí společnosti Valory měří

Oznámení uvádí výsledky pro 6 824 predikčních trhů, u nichž bylo možné provést rešerši. Systémy pracovaly se stejnými pokyny a informacemi při teplotě nula a společnost Valory použila časový filtr navázaný na deklarované datum, k němuž měl srovnávací model GPT-5.6 aktuální znalosti: 16. února 2026. Srovnání hodnotí, jak modely uvažují nad dodanými informacemi, místo aby každý systém samostatně shromažďoval vlastní podklady.

Tento rozsah je důležitý. Jde o výsledky uváděné společností pro vybrané trhy, nikoli o nezávislý důkaz obecné rovnocennosti těchto modelů. Konečné srovnání je také oddělené od dřívějšího experimentu s 10 916 vzorky i od studie s modelem o 14 miliardách parametrů, kterou společnost Valory zveřejnila již dříve.

Vyvážená přesnost přikládá stejnou váhu výkonu u obou tříd výsledků, čímž pomáhá zabránit tomu, aby výsledek určovala častější třída. Valory uvádí také Brierovo skóre, které hodnotí pravděpodobnostní předpovědi a penalizuje příliš sebejisté chyby. Nižší Brierovo skóre je lepší; předpovídající systém by měl být odměňován za dobře kalibrovanou míru nejistoty, nejen za správný výběr výsledku, který nakonec nastane.

Tabulka uvádí konečnou podmnožinu pro srovnání, kterou zveřejnila společnost Valory. Historickou výchozí hodnotu GPT-4.1 je třeba chápat jako konkrétní základ pro toto srovnání, nikoli jako nové univerzální skóre modelu GPT-4.1.

Většinu zlepšení přináší výkonnější základní model

Nový model v tomto srovnání překonává Olas-Predict-R1-14B přibližně o 22 % v Brierově chybě a o 8,4 procentního bodu ve vyvážené přesnosti. Již netrénovaný výchozí model Qwen3.8-27B však dosahuje vyvážené přesnosti 66,4 % a Brierova skóre 0,2235, takže značnou část zlepšení přináší už on.

Trénink na dané doméně přináší další zlepšení: Brierova chyba klesá přibližně o 5 %, zatímco vyvážená přesnost stoupá o 0,9 procentního bodu. Chyba očekávané kalibrace, která shrnuje soulad mezi deklarovanou mírou jistoty a pozorovanými výsledky, klesá z 0,1630 na 0,1429, což představuje zlepšení přibližně o 12,3 %.

To je užitečnější zjištění než připisovat celý generační posun vlivu dolaďování. Výkonnější základní model a specializovaný trénink přispívají každý zvlášť. Zdá se, že trénink zlepšuje způsob, jakým model vyjadřuje pravděpodobnosti. To je důležitá schopnost, když se navazující systém musí rozhodnout, zda jsou důkazy dostatečně přesvědčivé, aby mohl jednat.

Nástroj pro předpovídání dodává podklady, model odhaduje pravděpodobnost

Valory popisuje tréninkový proces, který využívá prověřené příklady předpovědí a posilované učení ke zlepšení odhadů pravděpodobnosti. Samostatný nástroj shromažďuje informace o trhu a další podklady a následně je předává modelu.

Toto oddělení je pro architekturu zásadní. Jazykový model je jednou ze součástí systému pro předpovídání: získávání podkladů určuje, jaké informace jsou k dispozici, zatímco model je interpretuje a vytváří odhad pravděpodobnosti. I kvalitní uvažování nad slabými nebo zastaralými podklady může vést k nepřesné předpovědi.

Tento přístup zároveň umožňuje jednotlivé součásti zlepšovat nezávisle na sobě. Vývojáři mohou zdokonalit získávání podkladů, změnit způsob jejich prezentace nebo aktualizovat předpovídající model, aniž by nutně museli znovu sestavovat celý agentní systém. Zveřejněná skóre hodnotí konkrétní kombinaci podkladů a chování modelu, a proto je nelze automaticky vztahovat na jiné řešení pro získávání informací.

Jak Olas převádí činnost agentů na tréninková data

Valory je jedním z hlavních přispěvatelů do projektu Olas, jehož ekosystém Predict propojuje agenty, kteří vytvářejí trhy, obchodují, poskytují předpovědi a vyhodnocují výsledky. Obchodníci si mohou prostřednictvím tržiště Mech Marketplace kupovat předpovědní služby od specializovaných agentů. Jakmile jsou události vyhodnoceny, lze předpovědi porovnat s výsledky a vytvořit tak záznamy pro hodnocení i budoucí trénink.

Tato zpětná vazba poskytuje projektu zdroj důkazů specifických pro danou úlohu. Namísto toho, aby systém hodnotil předpověď pouze podle toho, zda její vysvětlení zní přesvědčivě, může časem porovnat její odhad pravděpodobnosti s výsledkem události, o níž již bylo rozhodnuto. Cílovou hodnotu však nadále určuje výsledek trhu, takže formulace otázky i kvalita určení výsledku zůstávají důležité.

V dříve publikované práci Valory využilo více než 200 000 záznamů předpovědí agentů ke specializaci modelu Olas-Predict-R1-14B. Samostatné vyhodnocení na pozdějších trzích vykázalo přesnost 75,8 % napříč 2 628 trhy. Jde o běžnou přesnost z jiného vyhodnocení; tento údaj nelze přímo srovnávat s vyváženou přesností 67,3 % uvedenou v novém oznámení.

Co otevřené váhy znamenají pro nasazení

Model pro předpovídání s otevřenými váhami dává vývojářům možnost model sami provozovat a upravovat, místo aby byli zcela závislí na vzdálené proprietární službě. Organizaci, která vytváří pracovní postup pro předpovídání, to může poskytnout větší kontrolu nad aktualizacemi modelu, infrastrukturou pro jeho provoz i nakládáním s dodanými podklady.

Model s 27 miliardami parametrů stále vyžaduje vhodný hardware; nároky na paměť, latence a propustnost závisí na přesnosti výpočtů, délce kontextu a souběžném provozu. Oznámení neuvádí naměřené náklady na nasazení ani výkonnostní testy provozu nového modelu, takže samotný počet jeho parametrů nedokládá žádnou konkrétní výhodu z hlediska provozních nákladů.

Kvalita předpovědí se také liší od výkonnosti obchodování. Výnosy závisejí nejen na předpovědích, ale také na tržních cenách, transakčních nákladech, provádění obchodů a strategii — což odrážejí i omezení uvedená v dřívější kartě modelu společnosti Valory.

Význam modelu Olas-Predict-Qwen3.8-27B je tedy úzce vymezený, ale podstatný: Valory uvádí, že specializovaný model se při předpovídání na základě dodaných podkladů přibližuje srovnávacímu modelu na špičce současných možností a že trénink na datech z dané domény přináší měřitelná zlepšení. Další příležitostí je využít průběžně přibývající předpovědi s již známými výsledky ke zlepšením, která obstojí u dalších událostí i při nasazení v reálném provozu.