論文の概要: Can LLMs Help Decentralized Dispute Arbitration? A Case Study of UMA-Resolved Markets on Polymarket

• arxiv url: http://arxiv.org/abs/2604.15674v1
• Date: Fri, 17 Apr 2026 03:54:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-20 22:00:19.730598
• Title: Can LLMs Help Decentralized Dispute Arbitration? A Case Study of UMA-Resolved Markets on Polymarket
• Title（参考訳）: LLMは分散的紛争解決に有効か? : ポリマーケットにおけるUMA解決市場を事例として
• Authors: Junhao Wen, Juncen Zhou, Junjie Huang,
• Abstract要約: ポリマーケットだけで、紛争イベントの取引量は9,72,370,804.71ドルに達している。 1) Web 対応 LLM が紛争発生後に UMA のオンチェーン投票プロセスの意思決定品質を再現できるかどうかを評価し,(2) イベントルールに基づいて,市場イベントが今後の論争に直面する可能性があることを予測した。 以上の結果から, LLMは事前にどのイベントが議論されるのかを確実に予測できないが, 論争が開始された時点では, Web 対応 LLM は89.58% の合意に達した。
• 参考スコア（独自算出の注目度）: 8.289590554150427
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Web3 prediction markets, exemplified by Polymarket, have gained prominence for leveraging collective intelligence to forecast a wide range of social, political, and sports events. However, among the thousands of prediction market events, consensus disputes still arise due to imperfections in market mechanisms. On Polymarket alone, the trading volume involving disputed events has reached $972,370,804.71, underscoring the critical need for objective and efficient dispute resolution. In this study, we introduce large language models (LLMs) to: (1) evaluate whether web-enabled LLMs can reproduce the decision quality of UMA's on-chain voting process once a dispute has been raised, and (2) predict, based on event rules, which market events are likely to face future disputes before they occur. Our findings show that LLMs are unable to reliably predict which events will become disputed in advance; however, once a dispute is initiated, web-enabled LLMs achieve 89.58% agreement with UMA's final resolutions and demonstrate strong stability.
• Abstract（参考訳）: ポリマーケットによって実証されたWeb3予測市場は、幅広い社会的、政治的、スポーツのイベントを予測するために集合的知性を活用することで注目されている。 しかし、何千もの予測市場イベントの中で、市場メカニズムの不完全さによるコンセンサス論争が依然として発生している。 ポリマーケットだけでも、紛争の規模は9,72,370,804.71ドルに達しており、客観的かつ効率的な紛争解決の要点となっている。 本研究では,(1) Web 対応 LLM が紛争発生前に UMA のオンチェーン投票プロセスの意思決定品質を再現できるかどうかを評価すること,(2) 市場イベントが今後の論争に直面する可能性のあるイベントルールに基づいて予測することを提案する。 以上の結果から, LLMは事前にどの事象が議論されるのかを確実に予測できないことが明らかとなったが, 一旦議論が開始されると, Web 対応 LLM は UMA の最終決議と89.58% の合意に達し, 強い安定性を示す。

関連論文リスト

• PolySwarm: A Multi-Agent Large Language Model Framework for Prediction Market Trading and Latency Arbitrage [0.0]
  PolySwarmは50の多様なLLMペルソナをデプロイし、バイナリ成果市場を同時に評価する。 遅延仲裁モジュールは、ログ正規価格モデルからCEXで実装された確率を導出することにより、古いポリマーケット価格を利用する。
  論文  参考訳（メタデータ） (2026-04-04T22:51:06Z)
• Forecasting Future Language: Context Design for Mention Markets [81.25011140991566]
  我々は、参照市場における正確な予測を支援するために、入力コンテキストをどのように設計するかを検討する。 1 より豊かなコンテキストは予測性能を継続的に改善し、(2)市場条件付きプロンプト(MCP)は事前の市場確率を扱い、テキストによる証拠を用いてそれを更新し、より良いキャリブレーションの予測を得る、(3)市場確率とMCP(MixMCP)の混合が市場ベースラインを上回っている、という3つの洞察を得た。
  論文  参考訳（メタデータ） (2026-02-04T12:43:31Z)
• Your AI, Not Your View: The Bias of LLMs in Investment Analysis [62.388554963415906]
  金融において、Large Language Models (LLMs) は、事前訓練されたパラメトリック知識とリアルタイム市場データとの相違から生じる、頻繁な知識紛争に直面している。 これらの対立は、モデル固有のバイアスが制度的目的と誤認される現実世界の投資サービスにおいて特に問題となる。 本研究では,このような紛争シナリオにおける創発的行動を調べるための実験的枠組みを提案し,投資分析におけるバイアスの定量的分析を行う。
  論文  参考訳（メタデータ） (2025-07-28T16:09:38Z)
• Deriving Strategic Market Insights with Large Language Models: A Benchmark for Forward Counterfactual Generation [55.2788567621326]
  本稿では,FIN-FORCE-FINancial Forward Counterfactual Evaluationを提案する。 FIN-FORCEは金融ニュースの見出しをまとめることで、LLMベースの対実生成を支援する。 これにより、将来の市場展開を探索し、予測するためのスケーラブルで自動化されたソリューションの道を開くことができる。
  論文  参考訳（メタデータ） (2025-05-26T02:41:50Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。