先把問題問對
「AI 足球預測準嗎」每天都被搜尋很多次，而它幾乎不可能有一個負責任的答案——不是因為誠實的答案難聽，而是因為「準」這個字被問出來的時候，通常沒有定義。
一個沒有定義的形容詞，配上一個沒有樣本數的百分比，就是這個產業裡絕大多數「準確率 87%」的來源。所以這篇不打算給您一個數字，它給的是一套動作：讀完之後，您應該能自己去核驗任何一家預測方——包括我們——而且全程不需要看懂任何一個模型。
「準」至少是三件不同的事
命中率。 發出的判斷裡，事後被證明對的佔多少。它最直觀，也最容易被做高：專挑低賠率的大熱門發，命中率自然好看，而這種「準」幾乎不帶任何資訊，因為市場早就把那個結果定得很貴了——那件事不需要模型也知道。
機率校準。 一個預測方說「這件事有七成可能」，那麼在它所有說過七成的事情裡，應該大約有七成真的發生。校準衡量的不是某一天猜沒猜中，而是它對自己的把握有多誠實。一個校準良好、命中率平平的模型，通常比一個命中率漂亮、卻從不肯把機率說出口的服務有用得多。
長期一致性。 同一套方法，換聯賽、換球季、換賽程密度之後還穩不穩。運氣好的三週和一套真的成立的方法，從外面看長得一模一樣，唯一能把它們分開的是觀察窗口的長度。
這三件事互不蘊含。一家服務可以命中率很高而校準很糟，也可以校準很好而命中率看起來平庸。任何只報一個數字的說法，都預設您不會追問它報的到底是哪一種。
| 口徑 | 衡量什麼 | 最容易怎麼做高 | 需要多大樣本 |
|---|---|---|---|
| 命中率 | 已發布判斷裡對的比例 | 只發低賠率熱門 | 大 |
| 機率校準 | 報出的機率誠不誠實 | 乾脆不報機率 | 中等，但要分組統計 |
| 長期一致性 | 跨聯賽、跨球季穩不穩 | 只展示最好的那一段 | 很大，而且必須連續 |
一條命中，什麼也證明不了
在一個大致五五開的問題上連續猜對五次，機率約為三十二分之一。也就是說，如果有一百個頻道同時在猜，這一週平均會有三個連對五次。它們的截圖裡每一個字都是真的，但那不構成證據——您看到的是一場您沒看見的篩選過程留下的倖存者。
這就是為什麼「戰績截圖」幾乎沒有資訊量。截圖展示的是一個窗口，而挑選窗口的人正是被評估的對象。真正有資訊量的，是一份您沒辦法挑選的紀錄：全量、連續，並且發布在結果揭曉之前。
同樣的邏輯反過來也成立，而這一半常被忘掉：一串未命中同樣不能證明方法壞了。短序列在兩個方向上都不是證據；一家服務在狀態差的那個月裡悄悄不發了，它告訴您的是它的編輯手法，不是它的分析能力。
稽核任何一家預測方的四個動作
- 1.先看時間戳記，再看內容。 一條判斷如果不能被證明發布於開賽之前，它的對錯就無從談起。頻道訊息的發送時間、頁面的更新時間、公開儲存庫的提交紀錄都可以用——三者裡至少要有一個能把這條主張釘在某個時刻上。
- 2.要全量，不要摘要。 未命中的部分在不在裡面？如果您只看得到最近十筆，或者只看得到贏的，那您衡量的是一位編輯，不是一個模型。
- 3.問清結算口徑。 走盤怎麼算、半贏半輸怎麼算、比賽延期怎麼算。這些定義不寫下來，任何比例數字裡都藏著一個事後可以隨手調整的自由參數。我們自己那一行版本寫在《我們的勝率是怎麼算出來的》裡。
- 4.往前追，不要往回翻。 挑今天發布的三條，自己抄下來，終場之後自己核。往回翻永遠會美化一份紀錄，往前追不會。
按架構替預測方分類——規則腳本、單一模型、大模型生成的散文、閉環智能體，各自會怎麼壞——是另一件事，寫在《AI 足球預測靠譜嗎》裡。這一篇講的是紀錄本身怎麼稽核，而紀錄的稽核方式跟它由什麼產生無關。
為什麼我們不公布任何準確率數字
這個網站的任何一個頁面上，都沒有出現過我們自己的命中率或報酬數字。這是刻意的，原因值得攤開講，因為從外面看，「不公布數字」和「數字不好看」長得一樣。
第一，任何寫進文章的比例，下一筆結算完就過期了。第二，也更要緊：小樣本上的比例會誤導人。在幾十筆的樣本上，真實水準完全相同的兩套方法，光靠變異就能差出十幾個百分點，而讀者沒有任何辦法從一個孤立的百分比裡反推出它背後的樣本數與時間窗口。第三，一個由我們自己挑出來的數字，正是這篇文章在教您打折扣看待的那種東西——那等於要求您對所有人保持懷疑，唯獨對我們例外。
數字的替代物是：把整份紀錄擺在您能自己去數的地方。
具體怎麼核對我們
每一條已發布的訊號，都在它所指的事件發生之前打上時間戳記，事後按同一套寫明的口徑結算，贏的、輸的、走盤的排在同一個地方：公開預測紀錄。底層紀錄還鏡像到一個公開的 git 儲存庫——github.com/oddsflowai-team/clawsportbot-protocol/tree/main/record——提交歷史是公開的，我們這邊沒有人能事後更動某一筆而不在歷史裡留下痕跡。
要讀懂那份帳本裡每一行到底在說什麼，先看《期望值（EV）是什麼》。EV 是整份紀錄裡最容易被誤讀的一欄，而誤讀它是從一份正確的帳本裡得出錯誤結論的最快路徑。
常見問題
那你們到底準不準？ 在這個概括程度上，這個問題沒有答案，任何直接給您一個答案的文章都在賣東西。可以回答的是更窄的版本：我們發布的每一條都能被獨立核驗「發布於事件之前」，未命中的和命中的在同一個頁面上，計數規則寫在明面上。剩下的判斷該由您來做，而不是由我們的摘要替您做完。
樣本要多大才算夠？ 沒有萬用門檻，但有一個方向：樣本越小，運氣的貢獻越大。幾十筆只能看出有沒有明顯的系統性問題，看不出方法優劣；幾百筆才開始撐得起關於校準的討論；一致性則需要跨球季的連續紀錄。與其記住某個具體門檻，不如記住這條單調關係。
命中率高，是不是就一定在發熱門？ 不一定，但這是最該先排除的解釋。看一眼它發出的判斷落在什麼賠率區間。如果長期密集地集中在很低的區段，那麼高命中率就是這個選擇的算術結果，而不是洞察力的證據——在您看價格之前，這兩件事是分不開的。