{"allowContribute":false,"item":{"artifactHtml":"\u003cstyle\u003e\n  :root{--paper:#F6F7FB;--ink:#141927;--ink-2:#5B647A;--accent:#2F5BFF;--violet:#7C3AED;--soft:#E8EDFF;--card:#FFFFFF;--hair:#DCE1EF;}\n  :root[data-theme=\"dark\"]{--paper:#0F1422;--ink:#E9EDF5;--ink-2:#A7B0C5;--accent:#8AA6FF;--violet:#C4A7FF;--soft:#1A2340;--card:#171E32;--hair:#2A344F;}\n  .doc{background:var(--paper);color:var(--ink);padding:30px 30px 36px;font:16px/1.78 -apple-system,BlinkMacSystemFont,\"PingFang TC\",\"Noto Sans TC\",\"Microsoft JhengHei\",sans-serif;margin:0;}\n  .doc *{box-sizing:border-box;}\n  header{max-width:720px;margin:0 auto;}\n  .eyebrow{font:700 11px/1 ui-monospace,SFMono-Regular,Menlo,monospace;letter-spacing:.18em;color:var(--accent);text-transform:uppercase;}\n  h1{font-size:30px;line-height:1.32;letter-spacing:-.01em;margin:12px 0 0;font-weight:800;text-wrap:balance;}\n  .lede{color:var(--ink-2);font-size:15px;line-height:1.7;margin:12px 0 0;max-width:62ch;}\n  .lede strong{color:var(--ink);}\n  .wrap{max-width:720px;margin:0 auto;}\n  figure{margin:22px auto;max-width:720px;}\n  figure img{display:block;width:100%;height:auto;border-radius:12px;background:var(--card);border:1px solid var(--hair);}\n  figcaption{font-size:12.5px;color:var(--ink-2);margin-top:8px;letter-spacing:.02em;}\n  .intro{max-width:720px;margin:20px auto 0;}\n  .intro p{margin:0 0 12px;color:var(--ink-2);}\n  .intro p b,.intro p strong{color:var(--ink);}\n  .question{margin:20px auto;max-width:720px;background:var(--card);border:1px solid var(--hair);border-left:4px solid var(--accent);border-radius:10px;padding:16px 18px;display:flex;gap:12px;align-items:flex-start;}\n  .question svg{flex:none;margin-top:3px;}\n  .question div{font-size:15px;line-height:1.7;}\n  .question div em{font-style:normal;font-weight:700;color:var(--accent);}\n  h2{font-size:18px;letter-spacing:-.01em;margin:30px 0 6px;display:flex;align-items:center;gap:10px;}\n  h2 .num{font:700 11px ui-monospace,monospace;letter-spacing:.1em;color:var(--accent);background:var(--soft);border-radius:999px;padding:5px 10px;}\n  .sub{color:var(--ink-2);font-size:14px;margin:0 0 14px;}\n  .steps{list-style:none;margin:14px 0 0;padding:0;display:grid;gap:12px;}\n  .steps li{background:var(--card);border:1px solid var(--hair);border-radius:12px;padding:16px 16px 15px;display:grid;grid-template-columns:40px 1fr;gap:12px;}\n  .badge{width:40px;height:40px;border-radius:10px;background:var(--soft);color:var(--accent);font:800 16px/40px ui-monospace,monospace;text-align:center;}\n  .steps h3{margin:1px 0 6px;font-size:15.5px;line-height:1.5;}\n  .steps h3 span{font:700 11px ui-monospace,monospace;letter-spacing:.08em;color:var(--violet);display:block;margin-bottom:4px;}\n  .steps p{margin:0;font-size:14px;color:var(--ink-2);line-height:1.7;}\n  .steps code{font:600 12.5px ui-monospace,SFMono-Regular,Menlo,monospace;background:var(--soft);color:var(--accent);border-radius:6px;padding:2px 7px;white-space:nowrap;}\n  .flow{display:flex;align-items:center;gap:8px;margin:14px 0 2px;overflow-x:auto;padding:4px 2px 8px;}\n  .chip{flex:none;font:700 12px ui-monospace,monospace;letter-spacing:.04em;background:var(--card);border:1px solid var(--hair);border-radius:999px;padding:8px 13px;color:var(--ink);}\n  .chip.hot{background:var(--accent);border-color:var(--accent);color:#fff;}\n  .arrow{flex:none;color:var(--ink-2);font-weight:700;}\n  .grid2{display:grid;grid-template-columns:1fr 1fr;gap:12px;margin-top:14px;}\n  .mini{background:var(--card);border:1px solid var(--hair);border-radius:12px;padding:14px 15px;}\n  .mini .k{font:700 11px ui-monospace,monospace;letter-spacing:.12em;color:var(--accent);}\n  .mini .t{font-weight:800;font-size:15px;margin:6px 0 4px;}\n  .mini p{margin:0;font-size:13.5px;color:var(--ink-2);line-height:1.7;}\n  .callout{display:flex;gap:12px;padding:15px 16px;background:var(--soft);border-radius:10px;margin:20px 0;}\n  .callout .tag{flex:none;font:800 11px ui-monospace,monospace;letter-spacing:.1em;color:var(--accent);border:1.5px solid var(--accent);border-radius:999px;height:fit-content;padding:4px 10px;margin-top:2px;}\n  .callout div{font-size:14px;line-height:1.7;color:var(--ink);}\n  .callout div small{display:block;color:var(--ink-2);margin-top:4px;font-size:13px;}\n  .cta{display:block;background:linear-gradient(135deg,var(--accent),var(--violet));border-radius:14px;padding:20px 20px;color:#fff;text-decoration:none;margin:20px 0;}\n  .cta .e{font:700 11px ui-monospace,monospace;letter-spacing:.16em;opacity:.85;}\n  .cta .h{font-size:18px;font-weight:800;margin:8px 0 6px;line-height:1.5;}\n  .cta .u{font:600 13px ui-monospace,monospace;word-break:break-all;opacity:.95;background:rgba(255,255,255,.18);border-radius:8px;padding:8px 11px;display:block;margin-top:10px;}\n  .cta .go{display:inline-block;margin-top:12px;font-size:14px;font-weight:800;background:#fff;color:#1A22A0;border-radius:999px;padding:8px 18px;}\n  :root[data-theme=\"dark\"] .cta .go{color:#1A2340;}\n  .gallery{display:grid;grid-template-columns:1fr 1fr;gap:12px;margin:16px 0 0;}\n  .gallery figure{margin:0;}\n  .gallery img{aspect-ratio:4/5;object-fit:cover;}\n  .foot{margin-top:24px;padding-top:16px;border-top:1px solid var(--hair);color:var(--ink-2);font-size:13px;line-height:1.7;}\n  @media (max-width:640px){.doc{padding:22px 18px 30px;}h1{font-size:23px;}figure img{border-radius:10px;}.grid2,.gallery{grid-template-columns:1fr;} .steps li{grid-template-columns:34px 1fr;} .badge{width:34px;height:34px;line-height:34px;}}\n\u003c/style\u003e\n\u003cdiv class=\"doc\"\u003e\n  \u003cheader\u003e\n    \u003cdiv class=\"eyebrow\"\u003eAI EXPERIMENT · 選舉預測小實驗\u003c/div\u003e\n    \u003ch1\u003e「AI 到底還能幫我們做什麼？」這個問題我想了很久。\u003c/h1\u003e\n    \u003cp class=\"lede\"\u003e不直接問「誰會贏」，而是給 AI \u003cstrong\u003e扎實的基底票＋近 7 天新聞\u003c/strong\u003e，讓它判讀風向、重新推算得票率——一場資料與演算法的驗證實驗。\u003c/p\u003e\n  \u003c/header\u003e\n\n  \u003cfigure\u003e\n    \u003cimg src=\"https://cdn.cubelv.com/uploads/6a46f1f3013d79e6f40868/6fba9425-b41b-4bda-8ee3-da921e8f0ff8.jpg\" alt=\"AI 選舉預測實驗主視覺\"\u003e\n    \u003cfigcaption\u003e起點：沒有客觀有效的輸入資料，AI 就只能瞎猜。所以我決定自己動手做輸入。\u003c/figcaption\u003e\n  \u003c/figure\u003e\n\n  \u003cdiv class=\"wrap\"\u003e\n    \u003cdiv class=\"question\"\u003e\n      \u003csvg width=\"22\" height=\"22\" viewBox=\"0 0 24 24\" fill=\"none\"\u003e\u003ccircle cx=\"12\" cy=\"12\" r=\"10\" stroke=\"var(--accent)\" stroke-width=\"2\"/\u003e\u003cpath d=\"M9.5 9.5c.4-1.4 1.4-2.2 2.9-2.2 1.7 0 3 1.1 3 2.6 0 2-2.4 2.3-2.4 4\" stroke=\"var(--accent)\" stroke-width=\"2\" stroke-linecap=\"round\"/\u003e\u003ccircle cx=\"12\" cy=\"17.2\" r=\"1.3\" fill=\"var(--accent)\"/\u003e\u003c/svg\u003e\n      \u003cdiv\u003e很多人想用 AI 預測選舉，但\u003cem\u003e怎樣的資料才算客觀有效？\u003c/em\u003e\u003cbr\u003e隨口問一句不會有答案，於是我設計了一套「基本盤＋動態加權」的流程。\u003c/div\u003e\n    \u003c/div\u003e\n\n    \u003cdiv class=\"intro\"\u003e\n      \u003cp\u003e這個實驗的核心想法很簡單：\u003cb\u003e先站穩基本盤，再讓新聞去擾動它。\u003c/b\u003e用台北市最近一次「市議員」與「總統大選」的藍綠白選票分佈當地基，確保模型不是憑空想像。\u003c/p\u003e\n    \u003c/div\u003e\n\n    \u003ch2\u003e\u003cspan class=\"num\"\u003eHOW IT WORKS\u003c/span\u003e 我的四步實驗流程\u003c/h2\u003e\n    \u003cp class=\"sub\"\u003e從靜態票倉出發，加上即時事件，最後由 AI 重新算一次佔比。\u003c/p\u003e\n\n    \u003col class=\"steps\"\u003e\n      \u003cli\u003e\n        \u003cdiv class=\"badge\"\u003e01\u003c/div\u003e\n        \u003cdiv\u003e\u003ch3\u003e\u003cspan\u003eBASE VOTE · 設定基本盤\u003c/span\u003e台北市藍綠白選票分佈作為基底\u003c/h3\u003e\u003cp\u003e以最近一次 \u003ccode\u003e市議員\u003c/code\u003e ＋ \u003ccode\u003e總統大選\u003c/code\u003e 的得票結構為底，抓住各陣營在台北的真實基本盤。\u003c/p\u003e\u003c/div\u003e\n      \u003c/li\u003e\n      \u003cli\u003e\n        \u003cdiv class=\"badge\"\u003e02\u003c/div\u003e\n        \u003cdiv\u003e\u003ch3\u003e\u003cspan\u003eNEWS FEED · 動態事件加權\u003c/span\u003e抓取「近 7 天」即時新聞\u003c/h3\u003e\u003cp\u003e只看最近 7 天，讓短期聲量、事件與話題有機會反映在數字上，又不至於被舊聞拖著走。\u003c/p\u003e\u003c/div\u003e\n      \u003c/li\u003e\n      \u003cli\u003e\n        \u003cdiv class=\"badge\"\u003e03\u003c/div\u003e\n        \u003cdiv\u003e\u003ch3\u003e\u003cspan\u003eAI SCORING · AI 判讀給分\u003c/span\u003e客觀程度 × 風向，正負加減分\u003c/h3\u003e\u003cp\u003e交由 AI 分析每則新聞的客觀程度 \u003ccode\u003e高 / 中 / 低\u003c/code\u003e 與風向，針對各對象進行正負加減分。\u003c/p\u003e\u003c/div\u003e\n      \u003c/li\u003e\n      \u003cli\u003e\n        \u003cdiv class=\"badge\"\u003e04\u003c/div\u003e\n        \u003cdiv\u003e\u003ch3\u003e\u003cspan\u003eRE-CALC · 重新推算佔比\u003c/span\u003e動態調整後的預估得票率\u003c/h3\u003e\u003cp\u003e把加減分疊回基本盤，算出調整後的預估得票率——究竟會不會更接近真實開票？我也很好奇。\u003c/p\u003e\u003c/div\u003e\n      \u003c/li\u003e\n    \u003c/ol\u003e\n\n    \u003cdiv class=\"flow\" aria-hidden=\"true\"\u003e\n      \u003cspan class=\"chip\"\u003e基本盤\u003c/span\u003e\u003cspan class=\"arrow\"\u003e→\u003c/span\u003e\n      \u003cspan class=\"chip\"\u003e近7天新聞\u003c/span\u003e\u003cspan class=\"arrow\"\u003e→\u003c/span\u003e\n      \u003cspan class=\"chip\"\u003eAI 判讀\u003c/span\u003e\u003cspan class=\"arrow\"\u003e→\u003c/span\u003e\n      \u003cspan class=\"chip hot\"\u003e預估得票率\u003c/span\u003e\n    \u003c/div\u003e\n\n    \u003cdiv class=\"grid2\"\u003e\n      \u003cdiv class=\"mini\"\u003e\u003cdiv class=\"k\"\u003eOBJECTIVITY\u003c/div\u003e\u003cdiv class=\"t\"\u003e為什麼要評「客觀程度」？\u003c/div\u003e\u003cp\u003e同樣一件事，立場鮮明的評論與扎實報導權重不該一樣。先分高／中／低，再談加減分。\u003c/p\u003e\u003c/div\u003e\n      \u003cdiv class=\"mini\"\u003e\u003cdiv class=\"k\"\u003eFAIRNESS\u003c/div\u003e\u003cdiv class=\"t\"\u003e風向只加減、不洗掉基本盤\u003c/div\u003e\u003cp\u003e新聞是擾動項，不是全部。基本盤穩住，短期聲量才看得出真正的位移。\u003c/p\u003e\u003c/div\u003e\n    \u003c/div\u003e\n  \u003c/div\u003e\n\n  \u003cfigure\u003e\n    \u003cimg src=\"https://cdn.cubelv.com/uploads/6a46f1f3013d79e6f40868/5b81e0c2-4038-4caf-abd3-c2c59f8bf989.jpg\" alt=\"實驗過程截圖其一\"\u003e\n    \u003cfigcaption\u003e實驗中：把新聞一則一則餵給 AI，逐筆判讀再彙整。\u003c/figcaption\u003e\n  \u003c/figure\u003e\n\n  \u003cdiv class=\"wrap\"\u003e\n    \u003cdiv class=\"callout\"\u003e\n      \u003cspan class=\"tag\"\u003e聲明\u003c/span\u003e\n      \u003cdiv\u003e插件裡的「網友投票區」純屬社群互動，完全不會影響 AI 模型的運算結果。\u003csmall\u003e一邊是大家來玩的投票，一邊是照流程跑的模型——兩條線，互不干擾。\u003c/small\u003e\u003c/div\u003e\n    \u003c/div\u003e\n\n    \u003ca class=\"cta\" href=\"https://cubelv.com/share/80ac2ab63e4639110e093806\"\u003e\n      \u003cdiv class=\"e\"\u003eTRY IT · 歡迎驗證與交流\u003c/div\u003e\n      \u003cdiv class=\"h\"\u003e有興趣來驗證看看嗎？歡迎來玩玩看 👇\u003c/div\u003e\n      \u003cspan class=\"u\"\u003ehttps://cubelv.com/share/80ac2ab63e4639110e093806\u003c/span\u003e\n      \u003cspan class=\"go\"\u003e開啟實驗頁面 →\u003c/span\u003e\n    \u003c/a\u003e\n\n    \u003cdiv class=\"gallery\"\u003e\n      \u003cfigure\u003e\u003cimg src=\"https://cdn.cubelv.com/uploads/6a46f1f3013d79e6f40868/5b81e0c2-4038-4caf-abd3-c2c59f8bf989.jpg\" alt=\"實驗畫面細節\"\u003e\u003cfigcaption\u003e判讀與加權的過程紀錄。\u003c/figcaption\u003e\u003c/figure\u003e\n      \u003cfigure\u003e\u003cimg src=\"https://cdn.cubelv.com/uploads/6a46f1f3013d79e6f40868/d6168a4d-1ef2-4128-aa90-8248d5c433ab.jpg\" alt=\"實驗結果畫面\"\u003e\u003cfigcaption\u003e推算結果：就當作一場開放驗證的實驗。\u003c/figcaption\u003e\u003c/figure\u003e\n    \u003c/div\u003e\n\n    \u003cfigure style=\"margin-top:12px;\"\u003e\n      \u003cimg src=\"https://cdn.cubelv.com/uploads/6a46f1f3013d79e6f40868/d6168a4d-1ef2-4128-aa90-8248d5c433ab.jpg\" alt=\"實驗推算結果大圖\"\u003e\n    \u003c/figure\u003e\n\n    \u003cdiv class=\"foot\"\u003e究竟這樣推算出來的數字，會不會更接近真實的開票結果？目前還不知道——這正是這個實驗最有趣的地方。數字會說話，開票見真章。\u003c/div\u003e\n  \u003c/div\u003e\n\u003c/div\u003e","audioURLs":[],"content":"「AI 到底還能幫我們做什麼？」這個問題我想了很久。\n​很多人想用 AI 預測選舉，但這絕不是隨口問一句「誰會贏」那麼簡單——沒有扎實的輸入資料，AI 只能瞎猜；但究竟怎樣的資料才算客觀有效？\n​於是我自己動手做了一個小實驗：\n​設定基本盤：以台北市最近一次「市議員」與「總統大選」的藍綠白選票分佈作為基底數據。\n​動態事件加權：抓取「近 7 天」的即時新聞。\n​AI 判讀給分：交由 AI 分析新聞內容的客觀程度（高／中／低）與風向，針對各對象進行正負加減分。\n​重新推算佔比：計算出動態調整後的預估得票率。\n​究竟這樣推算出來的數字，會不會更接近真實的開票結果？目前我也很好奇，就當作一場資料與演算法的實驗。\n​另外，插件裡我有做一個「網友投票區」，純屬社群互動，完全不會影響上述 AI 模型的運算結果。\n​有興趣驗證或交流的朋友，歡迎來玩玩看！👇\nhttps://cubelv.com/share/80ac2ab63e4639110e093806","createdAt":1789395436224,"embedRenders":{},"embedRendersDark":{},"id":"6aa801bdcc9065e9c85aca35","imgURLs":["https://cdn.cubelv.com/uploads/6a46f1f3013d79e6f40868/6fba9425-b41b-4bda-8ee3-da921e8f0ff8.jpg","https://cdn.cubelv.com/uploads/6a46f1f3013d79e6f40868/5b81e0c2-4038-4caf-abd3-c2c59f8bf989.jpg","https://cdn.cubelv.com/uploads/6a46f1f3013d79e6f40868/d6168a4d-1ef2-4128-aa90-8248d5c433ab.jpg"],"isPublic":true,"itemType":"POST","name":"「AI 到底還能幫我們做什麼？」這個問題我想了很久。","parents":{"community":1789395436224},"publishedAt":1789395436224,"updatedAt":1789395436224,"updatedBy":{"userId":"6a46f1f3013d79e6f40868","userName":"平凡人"},"version":1},"ownerName":"平凡人","subtree":[{"artifactHtml":"\u003cstyle\u003e\n  :root{--paper:#F6F7FB;--ink:#141927;--ink-2:#5B647A;--accent:#2F5BFF;--violet:#7C3AED;--soft:#E8EDFF;--card:#FFFFFF;--hair:#DCE1EF;}\n  :root[data-theme=\"dark\"]{--paper:#0F1422;--ink:#E9EDF5;--ink-2:#A7B0C5;--accent:#8AA6FF;--violet:#C4A7FF;--soft:#1A2340;--card:#171E32;--hair:#2A344F;}\n  .doc{background:var(--paper);color:var(--ink);padding:30px 30px 36px;font:16px/1.78 -apple-system,BlinkMacSystemFont,\"PingFang TC\",\"Noto Sans TC\",\"Microsoft JhengHei\",sans-serif;margin:0;}\n  .doc *{box-sizing:border-box;}\n  header{max-width:720px;margin:0 auto;}\n  .eyebrow{font:700 11px/1 ui-monospace,SFMono-Regular,Menlo,monospace;letter-spacing:.18em;color:var(--accent);text-transform:uppercase;}\n  h1{font-size:30px;line-height:1.32;letter-spacing:-.01em;margin:12px 0 0;font-weight:800;text-wrap:balance;}\n  .lede{color:var(--ink-2);font-size:15px;line-height:1.7;margin:12px 0 0;max-width:62ch;}\n  .lede strong{color:var(--ink);}\n  .wrap{max-width:720px;margin:0 auto;}\n  figure{margin:22px auto;max-width:720px;}\n  figure img{display:block;width:100%;height:auto;border-radius:12px;background:var(--card);border:1px solid var(--hair);}\n  figcaption{font-size:12.5px;color:var(--ink-2);margin-top:8px;letter-spacing:.02em;}\n  .intro{max-width:720px;margin:20px auto 0;}\n  .intro p{margin:0 0 12px;color:var(--ink-2);}\n  .intro p b,.intro p strong{color:var(--ink);}\n  .question{margin:20px auto;max-width:720px;background:var(--card);border:1px solid var(--hair);border-left:4px solid var(--accent);border-radius:10px;padding:16px 18px;display:flex;gap:12px;align-items:flex-start;}\n  .question svg{flex:none;margin-top:3px;}\n  .question div{font-size:15px;line-height:1.7;}\n  .question div em{font-style:normal;font-weight:700;color:var(--accent);}\n  h2{font-size:18px;letter-spacing:-.01em;margin:30px 0 6px;display:flex;align-items:center;gap:10px;}\n  h2 .num{font:700 11px ui-monospace,monospace;letter-spacing:.1em;color:var(--accent);background:var(--soft);border-radius:999px;padding:5px 10px;}\n  .sub{color:var(--ink-2);font-size:14px;margin:0 0 14px;}\n  .steps{list-style:none;margin:14px 0 0;padding:0;display:grid;gap:12px;}\n  .steps li{background:var(--card);border:1px solid var(--hair);border-radius:12px;padding:16px 16px 15px;display:grid;grid-template-columns:40px 1fr;gap:12px;}\n  .badge{width:40px;height:40px;border-radius:10px;background:var(--soft);color:var(--accent);font:800 16px/40px ui-monospace,monospace;text-align:center;}\n  .steps h3{margin:1px 0 6px;font-size:15.5px;line-height:1.5;}\n  .steps h3 span{font:700 11px ui-monospace,monospace;letter-spacing:.08em;color:var(--violet);display:block;margin-bottom:4px;}\n  .steps p{margin:0;font-size:14px;color:var(--ink-2);line-height:1.7;}\n  .steps code{font:600 12.5px ui-monospace,SFMono-Regular,Menlo,monospace;background:var(--soft);color:var(--accent);border-radius:6px;padding:2px 7px;white-space:nowrap;}\n  .flow{display:flex;align-items:center;gap:8px;margin:14px 0 2px;overflow-x:auto;padding:4px 2px 8px;}\n  .chip{flex:none;font:700 12px ui-monospace,monospace;letter-spacing:.04em;background:var(--card);border:1px solid var(--hair);border-radius:999px;padding:8px 13px;color:var(--ink);}\n  .chip.hot{background:var(--accent);border-color:var(--accent);color:#fff;}\n  .arrow{flex:none;color:var(--ink-2);font-weight:700;}\n  .grid2{display:grid;grid-template-columns:1fr 1fr;gap:12px;margin-top:14px;}\n  .mini{background:var(--card);border:1px solid var(--hair);border-radius:12px;padding:14px 15px;}\n  .mini .k{font:700 11px ui-monospace,monospace;letter-spacing:.12em;color:var(--accent);}\n  .mini .t{font-weight:800;font-size:15px;margin:6px 0 4px;}\n  .mini p{margin:0;font-size:13.5px;color:var(--ink-2);line-height:1.7;}\n  .callout{display:flex;gap:12px;padding:15px 16px;background:var(--soft);border-radius:10px;margin:20px 0;}\n  .callout .tag{flex:none;font:800 11px ui-monospace,monospace;letter-spacing:.1em;color:var(--accent);border:1.5px solid var(--accent);border-radius:999px;height:fit-content;padding:4px 10px;margin-top:2px;}\n  .callout div{font-size:14px;line-height:1.7;color:var(--ink);}\n  .callout div small{display:block;color:var(--ink-2);margin-top:4px;font-size:13px;}\n  .cta{display:block;background:linear-gradient(135deg,var(--accent),var(--violet));border-radius:14px;padding:20px 20px;color:#fff;text-decoration:none;margin:20px 0;}\n  .cta .e{font:700 11px ui-monospace,monospace;letter-spacing:.16em;opacity:.85;}\n  .cta .h{font-size:18px;font-weight:800;margin:8px 0 6px;line-height:1.5;}\n  .cta .u{font:600 13px ui-monospace,monospace;word-break:break-all;opacity:.95;background:rgba(255,255,255,.18);border-radius:8px;padding:8px 11px;display:block;margin-top:10px;}\n  .cta .go{display:inline-block;margin-top:12px;font-size:14px;font-weight:800;background:#fff;color:#1A22A0;border-radius:999px;padding:8px 18px;}\n  :root[data-theme=\"dark\"] .cta .go{color:#1A2340;}\n  .gallery{display:grid;grid-template-columns:1fr 1fr;gap:12px;margin:16px 0 0;}\n  .gallery figure{margin:0;}\n  .gallery img{aspect-ratio:4/5;object-fit:cover;}\n  .foot{margin-top:24px;padding-top:16px;border-top:1px solid var(--hair);color:var(--ink-2);font-size:13px;line-height:1.7;}\n  @media (max-width:640px){.doc{padding:22px 18px 30px;}h1{font-size:23px;}figure img{border-radius:10px;}.grid2,.gallery{grid-template-columns:1fr;} .steps li{grid-template-columns:34px 1fr;} .badge{width:34px;height:34px;line-height:34px;}}\n\u003c/style\u003e\n\u003cdiv class=\"doc\"\u003e\n  \u003cheader\u003e\n    \u003cdiv class=\"eyebrow\"\u003eAI EXPERIMENT · 選舉預測小實驗\u003c/div\u003e\n    \u003ch1\u003e「AI 到底還能幫我們做什麼？」這個問題我想了很久。\u003c/h1\u003e\n    \u003cp class=\"lede\"\u003e不直接問「誰會贏」，而是給 AI \u003cstrong\u003e扎實的基底票＋近 7 天新聞\u003c/strong\u003e，讓它判讀風向、重新推算得票率——一場資料與演算法的驗證實驗。\u003c/p\u003e\n  \u003c/header\u003e\n\n  \u003cfigure\u003e\n    \u003cimg src=\"https://cdn.cubelv.com/uploads/6a46f1f3013d79e6f40868/6fba9425-b41b-4bda-8ee3-da921e8f0ff8.jpg\" alt=\"AI 選舉預測實驗主視覺\"\u003e\n    \u003cfigcaption\u003e起點：沒有客觀有效的輸入資料，AI 就只能瞎猜。所以我決定自己動手做輸入。\u003c/figcaption\u003e\n  \u003c/figure\u003e\n\n  \u003cdiv class=\"wrap\"\u003e\n    \u003cdiv class=\"question\"\u003e\n      \u003csvg width=\"22\" height=\"22\" viewBox=\"0 0 24 24\" fill=\"none\"\u003e\u003ccircle cx=\"12\" cy=\"12\" r=\"10\" stroke=\"var(--accent)\" stroke-width=\"2\"/\u003e\u003cpath d=\"M9.5 9.5c.4-1.4 1.4-2.2 2.9-2.2 1.7 0 3 1.1 3 2.6 0 2-2.4 2.3-2.4 4\" stroke=\"var(--accent)\" stroke-width=\"2\" stroke-linecap=\"round\"/\u003e\u003ccircle cx=\"12\" cy=\"17.2\" r=\"1.3\" fill=\"var(--accent)\"/\u003e\u003c/svg\u003e\n      \u003cdiv\u003e很多人想用 AI 預測選舉，但\u003cem\u003e怎樣的資料才算客觀有效？\u003c/em\u003e\u003cbr\u003e隨口問一句不會有答案，於是我設計了一套「基本盤＋動態加權」的流程。\u003c/div\u003e\n    \u003c/div\u003e\n\n    \u003cdiv class=\"intro\"\u003e\n      \u003cp\u003e這個實驗的核心想法很簡單：\u003cb\u003e先站穩基本盤，再讓新聞去擾動它。\u003c/b\u003e用台北市最近一次「市議員」與「總統大選」的藍綠白選票分佈當地基，確保模型不是憑空想像。\u003c/p\u003e\n    \u003c/div\u003e\n\n    \u003ch2\u003e\u003cspan class=\"num\"\u003eHOW IT WORKS\u003c/span\u003e 我的四步實驗流程\u003c/h2\u003e\n    \u003cp class=\"sub\"\u003e從靜態票倉出發，加上即時事件，最後由 AI 重新算一次佔比。\u003c/p\u003e\n\n    \u003col class=\"steps\"\u003e\n      \u003cli\u003e\n        \u003cdiv class=\"badge\"\u003e01\u003c/div\u003e\n        \u003cdiv\u003e\u003ch3\u003e\u003cspan\u003eBASE VOTE · 設定基本盤\u003c/span\u003e台北市藍綠白選票分佈作為基底\u003c/h3\u003e\u003cp\u003e以最近一次 \u003ccode\u003e市議員\u003c/code\u003e ＋ \u003ccode\u003e總統大選\u003c/code\u003e 的得票結構為底，抓住各陣營在台北的真實基本盤。\u003c/p\u003e\u003c/div\u003e\n      \u003c/li\u003e\n      \u003cli\u003e\n        \u003cdiv class=\"badge\"\u003e02\u003c/div\u003e\n        \u003cdiv\u003e\u003ch3\u003e\u003cspan\u003eNEWS FEED · 動態事件加權\u003c/span\u003e抓取「近 7 天」即時新聞\u003c/h3\u003e\u003cp\u003e只看最近 7 天，讓短期聲量、事件與話題有機會反映在數字上，又不至於被舊聞拖著走。\u003c/p\u003e\u003c/div\u003e\n      \u003c/li\u003e\n      \u003cli\u003e\n        \u003cdiv class=\"badge\"\u003e03\u003c/div\u003e\n        \u003cdiv\u003e\u003ch3\u003e\u003cspan\u003eAI SCORING · AI 判讀給分\u003c/span\u003e客觀程度 × 風向，正負加減分\u003c/h3\u003e\u003cp\u003e交由 AI 分析每則新聞的客觀程度 \u003ccode\u003e高 / 中 / 低\u003c/code\u003e 與風向，針對各對象進行正負加減分。\u003c/p\u003e\u003c/div\u003e\n      \u003c/li\u003e\n      \u003cli\u003e\n        \u003cdiv class=\"badge\"\u003e04\u003c/div\u003e\n        \u003cdiv\u003e\u003ch3\u003e\u003cspan\u003eRE-CALC · 重新推算佔比\u003c/span\u003e動態調整後的預估得票率\u003c/h3\u003e\u003cp\u003e把加減分疊回基本盤，算出調整後的預估得票率——究竟會不會更接近真實開票？我也很好奇。\u003c/p\u003e\u003c/div\u003e\n      \u003c/li\u003e\n    \u003c/ol\u003e\n\n    \u003cdiv class=\"flow\" aria-hidden=\"true\"\u003e\n      \u003cspan class=\"chip\"\u003e基本盤\u003c/span\u003e\u003cspan class=\"arrow\"\u003e→\u003c/span\u003e\n      \u003cspan class=\"chip\"\u003e近7天新聞\u003c/span\u003e\u003cspan class=\"arrow\"\u003e→\u003c/span\u003e\n      \u003cspan class=\"chip\"\u003eAI 判讀\u003c/span\u003e\u003cspan class=\"arrow\"\u003e→\u003c/span\u003e\n      \u003cspan class=\"chip hot\"\u003e預估得票率\u003c/span\u003e\n    \u003c/div\u003e\n\n    \u003cdiv class=\"grid2\"\u003e\n      \u003cdiv class=\"mini\"\u003e\u003cdiv class=\"k\"\u003eOBJECTIVITY\u003c/div\u003e\u003cdiv class=\"t\"\u003e為什麼要評「客觀程度」？\u003c/div\u003e\u003cp\u003e同樣一件事，立場鮮明的評論與扎實報導權重不該一樣。先分高／中／低，再談加減分。\u003c/p\u003e\u003c/div\u003e\n      \u003cdiv class=\"mini\"\u003e\u003cdiv class=\"k\"\u003eFAIRNESS\u003c/div\u003e\u003cdiv class=\"t\"\u003e風向只加減、不洗掉基本盤\u003c/div\u003e\u003cp\u003e新聞是擾動項，不是全部。基本盤穩住，短期聲量才看得出真正的位移。\u003c/p\u003e\u003c/div\u003e\n    \u003c/div\u003e\n  \u003c/div\u003e\n\n  \u003cfigure\u003e\n    \u003cimg src=\"https://cdn.cubelv.com/uploads/6a46f1f3013d79e6f40868/5b81e0c2-4038-4caf-abd3-c2c59f8bf989.jpg\" alt=\"實驗過程截圖其一\"\u003e\n    \u003cfigcaption\u003e實驗中：把新聞一則一則餵給 AI，逐筆判讀再彙整。\u003c/figcaption\u003e\n  \u003c/figure\u003e\n\n  \u003cdiv class=\"wrap\"\u003e\n    \u003cdiv class=\"callout\"\u003e\n      \u003cspan class=\"tag\"\u003e聲明\u003c/span\u003e\n      \u003cdiv\u003e插件裡的「網友投票區」純屬社群互動，完全不會影響 AI 模型的運算結果。\u003csmall\u003e一邊是大家來玩的投票，一邊是照流程跑的模型——兩條線，互不干擾。\u003c/small\u003e\u003c/div\u003e\n    \u003c/div\u003e\n\n    \u003ca class=\"cta\" href=\"https://cubelv.com/share/80ac2ab63e4639110e093806\"\u003e\n      \u003cdiv class=\"e\"\u003eTRY IT · 歡迎驗證與交流\u003c/div\u003e\n      \u003cdiv class=\"h\"\u003e有興趣來驗證看看嗎？歡迎來玩玩看 👇\u003c/div\u003e\n      \u003cspan class=\"u\"\u003ehttps://cubelv.com/share/80ac2ab63e4639110e093806\u003c/span\u003e\n      \u003cspan class=\"go\"\u003e開啟實驗頁面 →\u003c/span\u003e\n    \u003c/a\u003e\n\n    \u003cdiv class=\"gallery\"\u003e\n      \u003cfigure\u003e\u003cimg src=\"https://cdn.cubelv.com/uploads/6a46f1f3013d79e6f40868/5b81e0c2-4038-4caf-abd3-c2c59f8bf989.jpg\" alt=\"實驗畫面細節\"\u003e\u003cfigcaption\u003e判讀與加權的過程紀錄。\u003c/figcaption\u003e\u003c/figure\u003e\n      \u003cfigure\u003e\u003cimg src=\"https://cdn.cubelv.com/uploads/6a46f1f3013d79e6f40868/d6168a4d-1ef2-4128-aa90-8248d5c433ab.jpg\" alt=\"實驗結果畫面\"\u003e\u003cfigcaption\u003e推算結果：就當作一場開放驗證的實驗。\u003c/figcaption\u003e\u003c/figure\u003e\n    \u003c/div\u003e\n\n    \u003cfigure style=\"margin-top:12px;\"\u003e\n      \u003cimg src=\"https://cdn.cubelv.com/uploads/6a46f1f3013d79e6f40868/d6168a4d-1ef2-4128-aa90-8248d5c433ab.jpg\" alt=\"實驗推算結果大圖\"\u003e\n    \u003c/figure\u003e\n\n    \u003cdiv class=\"foot\"\u003e究竟這樣推算出來的數字，會不會更接近真實的開票結果？目前還不知道——這正是這個實驗最有趣的地方。數字會說話，開票見真章。\u003c/div\u003e\n  \u003c/div\u003e\n\u003c/div\u003e","audioURLs":[],"content":"「AI 到底還能幫我們做什麼？」這個問題我想了很久。\n​很多人想用 AI 預測選舉，但這絕不是隨口問一句「誰會贏」那麼簡單——沒有扎實的輸入資料，AI 只能瞎猜；但究竟怎樣的資料才算客觀有效？\n​於是我自己動手做了一個小實驗：\n​設定基本盤：以台北市最近一次「市議員」與「總統大選」的藍綠白選票分佈作為基底數據。\n​動態事件加權：抓取「近 7 天」的即時新聞。\n​AI 判讀給分：交由 AI 分析新聞內容的客觀程度（高／中／低）與風向，針對各對象進行正負加減分。\n​重新推算佔比：計算出動態調整後的預估得票率。\n​究竟這樣推算出來的數字，會不會更接近真實的開票結果？目前我也很好奇，就當作一場資料與演算法的實驗。\n​另外，插件裡我有做一個「網友投票區」，純屬社群互動，完全不會影響上述 AI 模型的運算結果。\n​有興趣驗證或交流的朋友，歡迎來玩玩看！👇\nhttps://cubelv.com/share/80ac2ab63e4639110e093806","createdAt":1789395436224,"embedRenders":{},"embedRendersDark":{},"id":"6aa801bdcc9065e9c85aca35","imgURLs":["https://cdn.cubelv.com/uploads/6a46f1f3013d79e6f40868/6fba9425-b41b-4bda-8ee3-da921e8f0ff8.jpg","https://cdn.cubelv.com/uploads/6a46f1f3013d79e6f40868/5b81e0c2-4038-4caf-abd3-c2c59f8bf989.jpg","https://cdn.cubelv.com/uploads/6a46f1f3013d79e6f40868/d6168a4d-1ef2-4128-aa90-8248d5c433ab.jpg"],"isPublic":true,"itemType":"POST","name":"「AI 到底還能幫我們做什麼？」這個問題我想了很久。","parents":{"community":1789395436224},"publishedAt":1789395436224,"updatedAt":1789395436224,"updatedBy":{"userId":"6a46f1f3013d79e6f40868","userName":"平凡人"},"version":1}]}