Choice Markets 是一个旨在直接从 X(原 Twitter)上的社交讨论中创建和交易预测市场的平台,将其自身定位为用于实时市场形成和交易的 AI 辅助社交原生层。其核心目标是将实时对话转化为可交易的事件,并最大限度地减少用户准入摩擦。[1]
Choice Markets 通过将市场创建和交易与 X 上的活动对齐,展示了一种社交原生的预测市场方法。该平台的既定目标是将突发新闻、辩论和热门话题转化为实时的可交易市场,并利用 AI 辅助市场生成和结果裁定。这种设计旨在让市场能够随着公众对话同步演变,并根据特定话题的关注强度和持续时间调整流动性机制。[1]
在自我描述中,Choice Markets 强调了在单一环境中结合社交语境与交易执行。据报道,其计划提供与 X 集成的用户体验,以减少跳转和准入摩擦,并描述了一种混合流动性模型:在高流量处使用订单簿,在活跃度较低的长尾市场中使用自动做市商方法 (LMSR)。
AI 层被描述为既支持从社交信号中发现和构建市场,也支持在事件结束后解释结果,旨在实现更快且更少争议的结算。[1]
该项目的公开宣传包含了几句反映其定位的简洁陈述。诸如“预测市场的 AI 驱动社交层”、“为社交关注、文化多样性和实时市场而建”,以及侧重于用户体验的“辩论即流动性”、“从讨论到执行”和“瞬间将观点转化为头寸”等口号,概括了该系统在对话发生地运行并将讨论转化为可交易市场活动的雄心。
这些表述表明其专注于市场创建与结算中的即时性、社交集成和辅助自动化。[1]
Choice Markets 描述了一系列以社交原生市场创建、AI 辅助和混合流动性引擎为中心的产品功能。
其中一项功能是社交原生市场创建,用户可以创建源自 X 上社交讨论的预测市场。该网站将其描述为允许市场围绕推文串、回复、叙事和热门话题形成,而无需跳转到单独的目的地或进行复杂的设置。其预期效果是,产生关注的社交活动本身也能为定价、参与和结算提供语境。[1]
平台概述了一个混合流动性引擎,对高流量市场使用传统的订单簿,对低流量或长尾事件使用基于对数市场评分规则 (LMSR) 的自动做市商。在提供的描述中,订单簿定位用于处理买卖动态和深度显著的密集活跃交易,而 LMSR 则被指定为参与度有限的事件提供即时报价和持续流动性。
该项目将这种方法称为“自适应流动性”,旨在实现“市场活跃处有深度,不活跃处有即时性”。[1]
AI 辅助工作流被呈现为产品的核心部分。在市场生成方面,平台表示 AI 用于从社交信号(如对话、热门话题和辩论)中检测或构建可交易的问题。
在结算方面,据报道 AI 辅助的结果裁定旨在减少争议并加速确定最终结果和结算头寸的过程。在这两个领域,网站都暗示 AI 充当辅助层而非独立的预言机,强调工作流支持和速度。[1]
Choice Markets 还强调了社交原生的交易用户体验。网站称,该系统原生构建于 X 之上,允许用户在对话流中参与市场,并旨在实现“零摩擦准入”,这意味着参与过程应尽量减少跳转或单独的账户创建步骤。
这种方法被定义为缩短讨论与执行之间的距离——将帖子、回复和辩论转化为可以在同一语境下执行交易决策的场所。[1]
所描述的架构以两个互补的流动性组件和一个用于发现与结算的 AI 层为中心。在流动性方面,平台表示对高流量市场部署订单簿,对低流量或长尾市场部署 LMSR。
这种混合方法被呈现为一种将机制与市场条件相匹配的方式:在热门事件中,订单簿可以表达细颗粒度的价格发现和深度;在小众或早期事件中,即使交易对手稀少,LMSR 也能提供报价手段并维持持续流动性。
这种自适应框架建议根据活动水平切换或分配流动性机制。[1]
AI 集成被描述在两个领域。首先,AI 辅助市场生成利用社交讨论的信号来检测、提议或完善反映正在进行的对话的市场问题。
其次,AI 辅助结果裁定旨在相关信息可用后,帮助更快速、更少争议地确定事件结果。
网站的描述侧重于工作流加速和争议最小化,而非披露具体的模型架构、训练语料或决策协议,也未提供关于 AI 输出是建议性的、基于共识的还是受人工审查的细节。[1]
具体的实现细节尚未公开。网站未提供底层技术细节,如智能合约设计、链的选择、除所述订单簿/LMSR 配对之外的订单匹配算法、基础设施提供商或使用的库。它也未指明如何从 X 摄取社交数据、如何在 X 原生流程中管理身份和访问,以及如何执行托管、结算和支付。平台的公开材料侧重于功能拓扑(社交原生 UX、AI 辅助、混合流动性),省略了明确的架构图或协议规范。[1]
这些使用场景反映了该平台的既定目标,即以最小的语境切换将社交讨论转化为可交易的机会。[1]