V4.5.1-beta: CIV 1-2 NOR 全量赛后复盘 + 自进化学习

复盘发现:
- 方向正确 ✅ (挪威64.0%→2-1胜), Brier=0.1968
- 6/6组件全体正确 — 淘汰赛首次
- 但Market负边际贡献(-0.0788 Brier): 将挪威74.8%→64.0%
- 首次'歪打正着'案例: 统计模型因CIV Elo=1500高估挪威, 但挪威真赢了
- 市场正确评估CIV实力却低估挪威胜率 — 方向对但幅度错

自进化决策:
- 不调整任何权重 — 单场特例, 等16场R32完赛后统一评估
- KO平局率: 2/5=40% (vs 预测均值20.6%, gap +19.4pp)
- 累计: 18场 (13小组+5淘汰), Market 78%, DC 72%, Pi 67%

DB更新: wc26_schedule #182 → FINISHED, match_results写入
Memory更新: project-status.md (18场累计), CIV-NOR memory文件
测试: 287 passed, 2 skipped

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

Author: AndyDu0921

reports/postmatch/2026-07-01_Ivory_Coast_Norway_postmatch.md

@@ -0,0 +1,288 @@
+# 世界杯 1/16 决赛 赛后复盘：科特迪瓦 vs 挪威
+
+> **复盘时间**: 2026-07-01 10:30 UTC | **模型版本**: V4.5.0-beta | **复牌子版本**: V4.5.1-beta
+> **比赛编号**: #78 | **阶段**: Round of 32 — 2nd Group E vs 2nd Group I
+
+---
+
+## 一、比赛结果
+
+| 项目 | 信息 |
+|:---|:---|
+| **对阵** | 🇨🇮 **科特迪瓦 1–2 挪威** 🇳🇴 |
+| **半场** | 科特迪瓦 0–1 挪威 |
+| **日期** | 2026年6月30日（阿灵顿时间） / **北京时间 7月1日 01:00** |
+| **球场** | AT&T Stadium (Dallas Stadium), 阿灵顿, 德克萨斯州 |
+| **入球** | ⚽ 39' Antonio Nusa (挪威, 助攻 Ødegaard) · ⚽ 74' Amad Diallo (科特迪瓦, 助攻 Pépé) · ⚽ 86' Erling Haaland (挪威, 助攻 Berg) |
+| **裁判** | 待确认 |
+| **确认来源** | France24、新华网、Yahoo Sports、BBC Sport (4源Tier-1共识) |
+
+---
+
+## 二、预测回顾
+
+### 2.1 最终融合概率
+
+```
+                ┌─────────────────────────────────┐
+                │  科特迪瓦      平局        挪威    │
+                │  14.5%      21.5%      64.0%    │
+                └─────────────────────────────────┘
+```
+
+| 指标 | 预测值 | 实际 | 匹配 |
+|:---|---:|:---|:---|
+| **方向** | 🇳🇴 挪威胜 | 🇳🇴 挪威胜 | ✅ |
+| **最可能比分** | 0–1 (15.0%), 1–1 (12.7%), 0–0 (11.1%) | 1–2 | ❌ 未命中 |
+| **Top-3命中** | — | 1–2 (Rank #6, 8.6%) | ❌ |
+| **xG** | 科特迪瓦 0.90 — 挪威 1.50 | — | xG误差 0.40 |
+| **Over/Under 2.5** | Under倾向 (xG合计2.40) | Over (3球) | ❌ |
+
+### 2.2 各组件方向 — 全票挪威（首次全票正确的淘汰赛）
+
+| 组件 | 科特迪瓦 | 平局 | 挪威 | 方向 | 判定 | Brier |
+|:---|---:|---:|---:|:---|---:|:---|
+| **DC (Dixon-Coles)** | 6.7% | 14.4% | 78.9% | 🇳🇴 | ✅ | 0.0697 |
+| **Enhancer (ML增强)** | 8.3% | 15.2% | 76.5% | 🇳🇴 | ✅ | 0.0852 |
+| **NegBin (过离散)** | 9.7% | 14.3% | 76.1% | 🇳🇴 | ✅ | 0.0870 |
+| **Weibull (Copula)** | — | — | — | 跳过 | — | — |
+| **Elo (κ-Davidson)** | 23.7% | 22.1% | 54.2% | 🇳🇴 | ✅ | 0.3148 |
+| **Pi-Rating** | 5.4% | 12.6% | 82.0% | 🇳🇴 | ✅ | 0.0512 |
+| **Market (7家共识)** | 26.9% | 28.2% | 45.1% | 🇳🇴 | ✅ | 0.4533 |
+| **→ 融合前 (pre-market)** | 9.7% | 15.5% | 74.8% | 🇳🇴 | ✅ | **0.0969** |
+| **→ 融合后 (post-market)** | 14.9% | 19.3% | 65.9% | 🇳🇴 | ✅ | 0.1757 |
+| **→ 最终 (KO校准)** | **14.5%** | **21.5%** | **64.0%** | 🇳🇴 | ✅ | **0.1968** |
+
+> 🔑 **核心发现**: 本场比赛是淘汰赛阶段**首次全体组件方向一致且全部正确**的比赛。6/6活跃组件全部指向挪威胜。但Brier从pre-market的0.0969恶化到最终的0.1968——市场组件和KO平局校准在"方向正确"的前提下反而降低了预测质量。
+
+---
+
+## 三、核心评估指标
+
+| 指标 | 数值 | 评级 |
+|:---|---:|:---|
+| **Brier Score** | **0.1968** | 🟡 一般 (0.15-0.25) |
+| **Log Loss** | 0.4463 | 🟢 良好 |
+| **RPS** | 0.0753 | 🟢 良好 |
+| **方向正确** | ✅ 是 (挪威胜) | 🟢 |
+| **精确比分命中** | ❌ 否 (1–2不在Top-3) | — |
+| **Top-10命中** | ✅ 是 (1–2 Rank #6, 8.6%) | 🟡 |
+| **xG误差** | 0.40 | 🟡 |
+
+> 📊 **Brier 0.1968 解读**: 虽然方向正确，但Brier被市场组件和KO校准拖累。Pre-market的Brier仅0.0969（淘汰赛最佳），说明统计模型联合判断的质量极高。
+
+---
+
+## 四、融合链深度分析
+
+### 4.1 本场比赛的核心悖论
+
+这是本届世界杯**最特殊的模型-市场互动案例**：
+
+| 阶段 | 挪威概率 | Brier | 方向 |
+|:---|---:|---:|:---|
+| **Pre-market融合** (5统计模型) | 74.8% | 0.0969 | 🇳🇴 ✅ |
+| **+ Market** (7家博彩商, 30%权重) | 65.9% | 0.1757 | 🇳🇴 ✅ |
+| **+ KO平局校准** (×1.15, floor 20%) | 64.0% | 0.1968 | 🇳🇴 ✅ |
+
+> 🔴 **悖论**: 市场组件方向正确（挪威45.1%>科特迪瓦26.9%），但将其以30%权重融入pre-market 74.8%后，结果Brier从0.0969翻倍至0.1757。市场"纠偏"让预测更接近50-50，但实际挪威以2-1获胜——统计模型对挪威的极端高估（76-82%）**反而更准确**。
+
+### 4.2 为什么统计模型"误打误撞"对了？
+
+| 因素 | 对预测的影响 |
+|:---|:---|
+| **CIV Elo = 1500（默认值）** | 所有统计模型低估了科特迪瓦实力 |
+| **挪威真实Elo = 1643** | 143分的Elo差距驱动了极端挪威概率 |
+| **市场正确评估CIV真实实力** | 给出挪威仅45.1%（正确方向但错误幅度） |
+| **挪威确实赢了** | 统计模型的方向被"验证"了 |
+
+> 这是一次经典的"歪打正着"（right for the wrong reason）：模型因数据质量问题高估了挪威，但挪威的确赢了比赛。市场的方向虽然正确，但对CIV的"公正"评估使其低估了挪威胜率。
+
+### 4.3 Market组件的负边际贡献
+
+| 指标 | 数值 |
+|:---|---:|
+| **Market名义权重** | 30% |
+| **Market有效权重** | 30.0%（链末，不受稀释） |
+| **Market方向** | 正确（挪威45.1% > CIV 26.9%） |
+| **Market Brier** | 0.4533（所有组件中最差） |
+| **Market边际贡献** | **-0.0788 Brier（负面）** |
+| **移除Market后Brier** | 0.0972（改善0.0788） |
+
+这是本届世界杯**首次观测到"market方向正确但Brier边际贡献为负"**的现象。此前5场淘汰赛中，市场组件的方向正确时Brier贡献均为正面（如BRA-JPN中市场贡献了最佳Brier 0.0960）。
+
+### 4.4 KO平局校准的副作用
+
+| 阶段 | 平局概率 | 变化 |
+|:---|---:|:---|
+| 融合后 (post-market) | 19.3% | — |
+| KO平局校准 (×1.15) | 21.5% | +2.2pp |
+
+KO平局校准将2.2pp从挪威转移至平局，而实际没有平局——这进一步恶化了Brier。然而，鉴于淘汰赛平局实际率仍为40%（2/5），当前校准策略（仅×1.15，不硬拉至22%地板）仍需保留。
+
+---
+
+## 五、淘汰赛累计面板（5场R32）
+
+### 5.1 整体表现
+
+| 指标 | 数值 |
+|:---|:---|
+| **方向正确** | **3/5 = 60%** |
+| **平局实际率** | 2/5 = 40% |
+| **平局预测均值** | 20.6% |
+| **平局低估gap** | +19.4pp |
+| **精确比分命中** | 0/5 (1场Top-3命中: SA-CAN) |
+
+### 5.2 逐场汇总
+
+| # | 对阵 | 预测方向 | 预测平局 | 实际 | 判定 |
+|:---|---:|:---|:---|:---|:---|
+| 73 | 🇿🇦 SA vs 🇨🇦 CAN | CAN 48.8% | 21.4% | CAN 1-0 ✅ | ✅ |
+| 74 | 🇩🇪 GER vs 🇵🇾 PAR | GER 57.8% | 18.8% | DRAW 1-1 | ❌ |
+| 75 | 🇳🇱 NED vs 🇲🇦 MAR | NED 48.7% | 20.7% | DRAW 1-1 | ❌ |
+| 76 | 🇧🇷 BRA vs 🇯🇵 JPN | BRA 49.5% | 20.8% | BRA 2-1 ✅ | ✅ |
+| **78** | **🇨🇮 CIV vs 🇳🇴 NOR** | **NOR 64.0%** | **21.5%** | **NOR 2-1 ✅** | ✅ |
+
+### 5.3 组件方向准确率（5场KO累计）
+
+| 组件 | 正确 | 总计 | 准确率 | 排名 |
+|:---|---:|---:|---:|:---|
+| **Pi-Rating** | 3 | 5 | 60% | 🥇 |
+| **DC** | 3 | 5 | 60% | 🥇 |
+| **NegBin** | 3 | 5 | 60% | 🥇 |
+| **Market** | 3 | 5 | 60% | 🥇 |
+| **Enhancer** | 2 | 5 | 40% | 🥉 |
+| **Elo** | 2 | 5 | 40% | 🥉 |
+| **Weibull** | 1 | 2 | 50% | (样本小) |
+
+> 📊 **Pi/DC/NegBin/Market并列榜首**。CIV-NOR是Enhancer和Elo在淘汰赛阶段首次方向正确的比赛。Weibull在5场KO中仅成功运行2次（40%成功率），继续表现不稳定。
+
+### 5.4 Brier分数汇总（5场KO）
+
+| 比赛 | Brier | 方向 | 评级 |
+|:---|---:|:---|:---|
+| SA-CAN | 0.3967 | ✅ | 🟡 |
+| GER-PAR | 0.4645 | ❌ | 🔴 |
+| NED-MAR | 0.4610 | ❌ | 🔴 |
+| BRA-JPN | 0.1287 | ✅ | 🟢 |
+| **CIV-NOR** | **0.1968** | ✅ | 🟡 |
+| **KO平均** | **0.3295** | 60% | 🟡 |
+
+---
+
+## 六、赛况解读：预测逻辑与实际的对应
+
+### 6.1 系统为什么预测挪威胜？
+
+| 系统的判断依据 | 比赛中对应 |
+|:---|:---|
+| **Elo差距143分** | CIV真实实力被Elo=1500低估，但挪威确实更强 |
+| **挪威进攻火力** (Haaland 4球2场) | Haaland 86' 绝杀制胜 |
+| **CIV防线有漏洞**（Singo缺阵） | 挪威39'即破门 |
+| **7家博彩商共识** | 市场正确判断"接近但挪威优" |
+| **封闭场馆无天气影响** | ✅ 准确（室内22°C） |
+
+### 6.2 预测与实际的关键偏差
+
+| 预测预期 | 实际发生 | 偏差分析 |
+|:---|:---|:---|
+| **低比分** (xG 2.40, Under倾向) | 3球 (1-2) | ❌ 总进球低估0.6球 |
+| **最可能0-1** (15.0%) | 第三可能1-2 (8.6%) | 比分方向对但落后1球 |
+| **CIV xG=0.90** | CIV进1球 | 进攻被略微低估 |
+| **NOR xG=1.50** | NOR进2球 | 进攻被略微低估 |
+| **BTTS ~50%** | 双方均进球 ✅ | ✅ 正确 |
+
+---
+
+## 七、自进化学习：权重调整建议
+
+### 7.1 本场学习信号
+
+| 组件 | 方向 | Brier | 边际贡献 | 建议 |
+|:---|:---|:---|:---|:---|
+| **DC** | ✅ | 0.0697 | +0.0094 (正) | ✅ 保持 |
+| **Enhancer** | ✅ | 0.0852 | -0.0010 (中性) | ≈ 保持 |
+| **NegBin** | ✅ | 0.0870 | -0.0006 (中性) | ≈ 保持 |
+| **Elo** | ✅ | 0.3148 | -0.0295 (负) | ⚠️ 需修复CIV Elo=1500 |
+| **Pi** | ✅ | 0.0512 | +0.0115 (正) | ✅ 保持 |
+| **Market** | ✅ | 0.4533 | **-0.0788 (负)** | ⚠️ 高分歧时降低权重 |
+
+### 7.2 关键结论：不调整权重
+
+> ⛔ **本轮不调整任何融合权重。** 理由：
+> 1. 单场样本不足以推翻累计数据（Market在KO累计60%方向正确）
+> 2. Market的负贡献是CIV Elo=1500导致的特例，不是系统性问题
+> 3. 5场KO累计数据将在R32全部完赛后统一分析（Phase 3）
+> 4. CIV-NOR是"歪打正着"——模型因数据质量问题而准确，不应据此奖励模型
+
+### 7.3 确认不关闭的结论
+
+| 结论 | 理由 |
+|:---|:---|
+| **Market权重30%不变** | 累计3/5方向正确，1场Brier负贡献是特例 |
+| **KO平局校准保留** | 累计平局40% vs 预测20.6%，gap仍然显著 |
+| **Enhancer权重不变** | 首次KO方向正确是进步，但仍需更多数据 |
+| **Elo数据质量问题** | CIV Elo=1500需要修复（独立于权重调整） |
+
+---
+
+## 八、淘汰赛平局风险评估更新
+
+| 数据集 | 数值 | 变化 |
+|:---|:---|:---|
+| **实际平局率** | 2/5 = 40% | 50% → 40%（下降） |
+| **预测平局均值** | 20.6% | 20.4% → 20.6%（微升） |
+| **低估gap** | +19.4pp | +29.6pp → +19.4pp（收窄） |
+
+> 📝 CIV-NOR不是平局，淘汰赛平局率从50%降至40%。但gap仍达+19.4pp。R32尚有11场比赛未打，最终平局率将在16场完赛后确定。
+
+---
+
+## 九、系统改进确认
+
+### 9.1 赛前诊断的准确性
+
+| 赛前诊断 | 结果 |
+|:---|:---|
+| **CIV Elo=1500数据质量问题** | ✅ 正确识别（但方向影响与预期相反） |
+| **29.7pp模型-市场分歧（本届最大）** | ✅ 正确识别 |
+| **市场7家博彩商高度一致（CV 1.1-3.0%）** | ✅ 正确采集 |
+| **淘汰赛平局系统性低估** | ✅ 继续成立（gap +19.4pp） |
+| **Haaland关键因子** | ✅ Haaland 86' 绝杀制胜 |
+
+### 9.2 赛前诊断的错误
+
+| 赛前判断 | 实际 |
+|:---|:---|
+| "如果CIV Elo真实值≈1680，挪威概率将降至50-55%" | 挪威的确赢了——真实Elo可能仍低于挪威 |
+| "市场最大30%权重可以纠正模型偏差" | 市场权重反而降低了预测质量 |
+| "21.5%平局概率可能仍偏低" | 没有平局——21.5%在单场中不算低估 |
+
+---
+
+## 十、Bootstrap CI 事后验证
+
+| 指标 | CIV胜 | 平局 | NOR胜 |
+|:---|---:|---:|---:|
+| **预测均值** | 14.3% | 18.5% | 67.3% |
+| **95% CI** | [9.3%, 19.4%] | [13.9%, 23.9%] | [61.5%, 72.9%] |
+| **实际结果** | ❌ | ❌ | ✅ (落在95% CI内) |
+
+> 📊 挪威胜的实际结果落在Bootstrap 95% CI [61.5%, 72.9%]之内，Bootstrap区间有效覆盖了真实值。
+
+---
+
+## 十一、方法论与版本
+
+- **模型**: Dixon-Coles (1997) 双变量泊松 + Tabular ML Enhancer + NegBin (r=3.5) + κ-Elo Davidson + Pi-Rating + 7博彩商共识
+- **融合**: 序贯链 DC(90%) → Enhancer(10%) → NegBin(5%) → Elo(22%) → Pi(18%) → Market(动态, 最大30%)
+- **校准**: KO平局结构性修正 ×1.15 + 地板20%
+- **权重版本**: WORLD_CUP_KNOCKOUT_V4.5.0
+- **市场数据**: The Odds API — 7家博彩商实时赔率 (2026-06-30 04:14 UTC)
+- **有效权重快照**: DC 38.3% / Enhancer 4.3% / NegBin 2.2% / Elo 12.6% / Pi 12.6% / Market 30.0%
+
+---
+
+> 📄 本报告由 Hermes Agent V4.5.0-beta 自动生成 | 复盘时间: 2026-07-01T10:30Z
+> ⚠️ **关键警示**: CIV Elo=1500默认值必须在下一场涉及科特迪瓦相关预测前修复。虽然本场方向正确，但数据质量问题导致了所有统计模型的系统性偏差。