我们也在被考核

给别人的战绩打分的工具，自己也该有一份记录。下面每一个判断，都在任何结果出现之前写下了日期，以及什么结果算我们错。每次读数都在这里公布，不论结果如何。读数日期过了还没填结果，会显示为逾期。

可检验的判断

1 · Papertrade 排行榜预测不了之后的表现 逾期：读数还没公布

写下于 2026-10-16，在冻结之前（先提交 commit 2cd7deb，再提交冻结文件）。冻结于 2026-10-16 03:01 UTC。读数：2026-10-23（中期）和 2026-10-30（主读数）。

什么结果算我们错：2026-10-30 读数时，24 小时 PnL 前 100 名在「冻结后赚钱的钱包比例」上，比用随机种子抽出的对照组高出 15 个百分点以上，并且中位数大于零。那就说明这个榜单有信息量，我们会照实说。冻结后仍在交易的钱包不足 30 个，算「数据不够」，不算结果。全文：PREREG.md（英文）· 审计 010（英文）。

2 · Hyperliquid 榜单头部几乎没有前向实力 待读

冻结于 2026-10-14 09:48 UTC：当天全期 PnL 和 30 日 ROI 两个前 100 名单上的每一个地址，共 200 个钱包，只按冻结之后的表现打分。读数：2026-12-09，这是钱包最早能在冻结后攒满 8 周记录的日子。

写下于 2026-10-18。名单和规则是 2026-10-14 冻结的，但当时没有写下「什么结果算我们错」；这里补写，晚了四天，仍在任何钱包能被打分之前。

什么结果算我们错：冻结后记录满 8 周的钱包里，到 2026-12-09 读数时，超过 10% 在这段记录上达到 t ≥ 2。单靠运气约 2.3%；假如其中多数人的真实夏普是 3，大约五个里有一个能到（正态近似；小样本校正会让它略低）。超过 10% 就说明这些榜单挑出的实力比我们说的多，我们会照实说。同时报告、不设及格线：冻结前「有希望」（t ≥ 2）的钱包和其余钱包相比，冻结后 t 大于零的比例。满 8 周的钱包不足 30 个，算「数据不够」，读数推迟到 2027-01-06。

3 · 我们的分数能给同一批钱包排序 待读

写下于 2026-10-20，冻结后第六天，任何钱包都还没攒满冻结后 8 周记录。名单和读数日与第 2 条相同。第 2 条问榜单有没有实力；这一条问我们自己的分数能不能分出好钱包和差钱包——拿它当放钱的关口，前提就是这一点。

什么结果算我们错：每个钱包冻结前的 t 与冻结后的 t 的秩相关系数小于或等于零。那样我们就不再说这个分数可以用来决定放不放钱。只有相关系数大于零、且 95% 区间（按钱包重抽样）不含零，才算我们对；介于两者之间算「看不出来」。同时报告：冻结前按利润排名与冻结后 t 的相关系数，以及两者之差；只有差值的区间不含零才说「比按利润排名强」（回溯检验没过这一关，英文）。全文：COHORT_PREREG_ORDERING.md（英文）。

我们冻结的名单

每个文件连同完整修改历史都在仓库里，冻结之后的任何改动都会出现在 git 记录里，哈希值也会对不上。

改不了的读数

从项目唯一的反馈地址 0xF02cF39d6b91Ac62B1D21d0F1C39335118c1F9A1 写进 ERC-8004 声誉注册表。这些是读数，不是预测：agent 注册以来那段记录的 t。怎么生成的（英文）。

错误

站上每个数字都由仓库里的脚本重新计算，每个已发布页面的改动都在 git 历史里。觉得哪个数字错了，请提一个 issue，写明页面和数字；更正会公开进行，并在这里列出日期和 commit。到目前为止的更正：无。这份清单是手工维护的；所有提过的 issue 都是公开的，可以对照核查。