市场图像诊断研究揭示交易价格反映视觉偏好的条件极其有限

该论文通过MarketImage框架评估在线交易价格作为视觉偏好代理信号的有效性，发现仅有24.2%的图像对存在非平局的价格方向，其中仅34.7%与人类多数意见一致，表明市场价格无法可靠区分模型误差、不可靠价格信号及协议混淆因素。

实验数据显示，在价格与人类意见一致的区域内，HPSv2的可恢复准确率最高达66.4%，而Qwen的预算约束与聚合变体表现落后于基线，GPT接口的增益在统计上尚未得到确认；研究还通过MarketImageLens协议分别审计了呈现顺序效应，并对比了六种包括直接比较、独立评分及多智能体聚合在内的 elicitation 方法。

事实层面证明交易价格编码的视觉偏好仅在有限条件下可被恢复，推断其应被视为不确定代理而非地面真值；猜测部分指出若忽略非视觉因素如来源、需求和竞争，基于价格的监督学习可能引入系统性偏差，这要求多模态模型训练需重新审视数据来源的清洗策略。