清华初创 & UIUC 学者用 7B 模型在预测市场上自我蒸馏，跑赢 GPT-5.6 和 Opus 5

清华初创团队 Astraculum 联合 UIUC 学者提出 Social World Model（SWM）框架，探讨 LLM 能否在部署阶段持续学习更新认知。该框架以 Polymarket、Kalshi 等预测市场为检验场，将社会认知更新映射为状态转移，即通过当前市场信念与突发新闻预测后续大众信念变化。为实现部署中持续学习，团队采用类 SDFT 自蒸馏机制，利用事后推演作为特权信息构建师生闭环，让模型学习新闻事件与信念变动间的逻辑推理链而非单纯数值拟合。经 390 天真实市场数据滚动训练与回测，该持续更新的 7B 模型在预测市场表现上击败 GPT-5.6、Claude Opus 5 等前沿静态大模型，且全年性能稳定，未出现推理退化。此外，团队搭建了专为持续学习设计的 TrajOps 引擎，提供收集、推理、训练接口适配 SDFT 方案，支撑模型在真实市场持续运行。