PolyGnosis 2.0：通过代理架构工程增强 LLM 推理以提取 Polymarket 与开源情报洞察

本文提出 PolyGnosis 2.0，一种多智能体架构，旨在结合 Polymarket 异常信号与全球开源情报（如 GDELT）提取预测性情报。研究聚焦“视角错配”作为高阿尔法交易信号，并严格量化了反思循环、工具调用、分治策略及思维链等“架构工程”技术在高频噪声金融领域的有效性。实证表明，结构化分区对多维对齐至关重要，而无约束的终端反思会导致逻辑漂移。此外，研究揭示了叙事推理中普遍存在的“共识偏差”，需确定性验证。最终，论文隔离出帕累托最优配置，在最小化延迟与令牌开销的同时实现专业级分析精度。