站在这儿： https://wcelo.com

起因是我对那些「 AI 预测世界杯」一直有点怀疑——大多没法证伪，赛后还能随便挑口径圆 回来。所以我干脆把它做成一个能打脸自己的实验：开赛前把三个假设写死、git commit 冻结、锁定赛后怎么算分，之后只许按这套规则结算。

三个假设：

1. 每天拿赛果更新模型，到底比「赛前冻结那版」强不强？（很多号称 live 的模型从不验这个）
2. 概率准不准（校准误差 ECE ≤ 0.05 ）？
3. 我最想知道的：让大模型（ Claude ）每个比赛日前联网读伤病 / 停赛 / 预计首发 / 死亡 之组放水这些「软信息」，折成一个有界的实力修正，它能不能赢过一个 1997 年的纯 统计模型（ Elo + 双泊松 + 10 万次蒙卡）？

模型本身很常规、不炫技，好玩的是这套不能反悔的设计。也把我们的概率和 Polymarket / Stake 的盘口摆一起，但不指望赢市场——人家有伤病和内幕，我没有，输给它才正常。

说实话我的先验是「大模型多半只加噪声」，但我按最强形态把它实现了，免得验证变成 自我实现。方法和预注册都在站内 /method 。

小组赛今晚开打，欢迎来拍，尤其第 3 条的设计。