VC开始靠AI预测未来了

七月，DigClaw的预测框架Rhizome v1在FutureX评测平台上取得#1、#3、#7三个席位，分别来自三个不同基础模型，包括Kimi-K3、DeepSeek-V4-Pro等。同一套框架同时让它们进入Top 7，DigClaw是唯一做到这一点的参赛方。

FutureX是实时预测榜单，每周发布真实世界事件预测题，提交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。59道题覆盖政治、经济、科技领域，不存在训练数据泄露的可能。

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。这构成一次清晰的跨基座对照，说明如何组织检索、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。

Rhizome的核心设计洞察是搜索质量和推理质量是两个正交问题，不应由同一个模型同时优化。当前主流的DeepResearch agent（如Perplexity、Gemini Deep Research）将搜索和推理绑定在同一个模型内，导致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，优化目标是信息相关性（relevance），不是答案正确性（accuracy）。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（SearchRL），两条路径并行迭代：路径A在8B/30B参数的开源模型上以搜索相关性为reward做RL训练（参考Search-R1, COLM 2025; ReSeek, ICML 2026）；路径B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稳定差异，Rhizome将预测协议、Agent编排、工具调用和结果评测放在基座之外，机构可根据任务价值选择基座。

Rhizome为每一次预测保留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，回看当时掌握的信息、遗漏的反向证据，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，暴露的问题并不相同。

系统对同一道题进行多次独立预测，先在对数几率（logit）空间聚合，再结合已结算题目的Brier Score调整极端化强度。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。校准标准直观：系统给出60%的事件，长期应约有六成发生。

事件尚未结算时，新信息持续出现，系统需判断原有概率是否应更新。Rhizome为未结算问题保存信念状态，每条证据记录事件发生时间、内容发布时间和系统读取时间。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。

更难的问题是：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？如果系统将同链信号分别计入，同一原因可能被重复计算，把概率推向过度自信的极端。Rhizome正在开发因果链感知的贝叶斯更新框架，在证据进入概率更新前先识别所属因果传导链，再调整证据权重。

框架包含四个层次：因果知识库存储经过验证的因果链并记录传导时滞、影响衰减和历史可信度；同链信号去重避免同一力量被多次计算；全局后验帽限制多条同向证据的累积影响；传导时滞感知根据因果传导进度逐步更新。在DigClaw内部预测系统上，框架已完成原型实现和初步验证，实验显示同链信号去重与全局后验帽将过度自信率（预测概率高于85%但最终判断错误的比例）从约25%降至12%。

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。其旗舰框架Rhizome通过因果推理、概率校准和搜索智能三层架构，实现独立于基础模型的系统能力。

DigClaw发起Newborn Ventures，全球首家以AI挖掘Beta趋势为驱动的投资和孵化机构。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，都是预测问题。传统投资依赖合伙人经验直觉和信息差，DigClaw相信这些判断可以被系统化、模型化。

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。对上市公司，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，意味着在共识形成之前发现价值；对政府引导基金，意味着以系统化方法研判产业趋势与政策效果。