05 · 研究问题积压（Backlog）

规则：轮次从 backlog 取主题；回答后更新状态与证据；新增问题按模板登记。 状态：open / in_progress / answered（附证据）/ rejected（附理由）。

RQ-A · 测量理论

• RQ-A1 代理效度：如何系统验证一个需求代理（尤其数字尾气）的效度与偏差方向？ 标准协议是什么？（P0）→ answered：六步登记协议 + 5 个实例 （discipline/08-measurement.md §2、knowledge/proxy_registry.yaml）
• RQ-A2 截断校正：在限流/配额/缺货普遍的场景，如何恢复潜在需求分布？ Tobit、生存分析、conformal 截断各适用何时？（P0）→ answered：场景判定表 + 工作流 （discipline/08-measurement.md §3）
• RQ-A3 需求分布刻画：对「均值不重要、尾部重要」的需求（算力峰值、断货）， 应默认报告哪些统计量？（P1）
• RQ-A4 冷启动测量：新对象（新产品/新模型/新 agent）零历史时， 如何用类比/扩散/基础模型先验估计需求？（P0）→ answered：方法栈 + 五步流程 （discipline/08-measurement.md §4）
• RQ-A5 出生检测：新对象（新领域/新品/新模型）出现初期如何可靠检测？ 检测延迟与假阳性率的可接受权衡是什么？（P0）→ answered（草案）： 出生检测协议（事件信号/变化点/领先指标/类比/组合），见 protocols/emergence-detection.md
• RQ-A6 子领域划分模型：不用现成分类法，如何按"理论价值 + 工程可测性" 划分子领域？（P1）→ answered（草案）：SPM 协议（六准则评分 + 分区校验 + 五步流程），见 protocols/subdomain-partitioning.md； 首跑实例：content_creation 6 子领域

RQ-B · 生成机制

• RQ-B1 机制图谱：主流需求对象分别由哪些生成机制主导？ （季节性 / 扩散 / 能力跃迁 / 政策 / 反馈）建立分类证据表。（P1）
• RQ-B2 能力跃迁：当 AI 能力跃迁时，需求曲线的结构变化如何检测与建模？（P0）
• RQ-B3 自指需求：AI 生成需求的比例与机制；预测行为如何改变需求 （Goodhart / 自我实现 / agent 需求）？（P1）
• RQ-B4 扩散顺序：AI 变革需求在不同领域间的顺序是否可预测？→ Case 0（ADDO）。（P1）
• RQ-B5 粒度细化与对象出生：粒度细化如何"制造"新对象？父-子聚合一致性 （A3）在出生期如何保持？（P1，用户需求 2026-08-10）
• RQ-B6 增长曲线形状：出生后增长曲线形状（Bass/Logistic/Gompertz 何者主导） 可由对象特征先验预测吗？（P1）
• RQ-B7 需求表达与真实需求：用户的表象表达（许愿/提问）如何系统性地 偏离真实需求（D）？结构化追问能把偏差校正到什么程度？（P0）→ answered（草案）： 许愿池协议（Case 1：需求直接观测通道），见 protocols/wish-pool.md

RQ-C · 不确定性

• RQ-C1 分布预测标准：不同决策场景（库存/产能/预算）应默认交付哪些分位数？（P0） → answered：分布交付规范（protocols/distribution-delivery.md）
• RQ-C2 校准维护：分布漂移下如何保持校准（自适应 conformal 等的工程化）？（P1） → answered：校准维护协议（protocols/calibration-maintenance.md）； 实证待 DSF-Bench v0.2
• RQ-C3 尾部与极值：需求峰值、断货、算力挤兑的尾部风险如何评估？（P1）

RQ-D · 方法与组合

• RQ-D1 组合协议：模型 + 判断 + 预测市场的组合，权重如何动态确定？（P1） → 初验提示：DSF-Bench v0.1 显示简单平均会被差成员拖累，需修剪/加权 （benchmarks/dsf-bench.md）
• RQ-D2 基础模型评估：时序基础模型在真实需求数据上的增益何时存在、何时消失？（P0） → in_progress：DSF-Bench v0.1 统计基线就绪；基础模型槽待 ≥4GB 内存环境运行
• RQ-D3 人机分工：什么条件下人类判断改善预测、什么条件下损害？（P0）
• RQ-D4 间歇需求：AI 原生需求的间歇性（突发 batch 任务、agent 风暴）如何建模？（P1）
• RQ-D5 需求-供给匹配：需求向量 ↔ 软件/项目索引的匹配分如何设计， 推荐接受率如何度量？（P1）→ answered（草案）：许愿池匹配模型 v0.1 （语义 + 领域命中 + 关键词 + 时新性 + 证据），见 protocols/wish-pool.md

RQ-E · 决策价值

• RQ-E1 决策价值评估：如何把 CRPS 改进换算成库存/产能/预算的货币价值？（P1）
• RQ-E2 服务水平权衡：预测不确定性如何进入服务水平与成本决策？（P2）
• RQ-E3 双边激励：需求者与开发者为什么愿意使用许愿池？认领机制对 种子用户转化的因果效应如何度量？（P1）→ answered（草案）：激励设计 + H13 假设，见 protocols/wish-pool.md

轮次选题建议

• Round 2：RQ-A 组（测量理论 + 对象分类学细化 + 代理登记表实例）
• Round 3 ✅：RQ-C1/C2（分布交付 + 校准维护协议）+ RQ-D2（DSF-Bench v0.1）+ RQ-A5 出生检测落地（协议 + watchlist 原型）
• Round 4：RQ-B2/B3/B5/B6 + AI 原生需求案例（算力/token 的测量与预测）
• Round 5（本次）：许愿池设计 + Case 1 协议（RQ-B7/D5/E3）+ 愿望匹配原型（scripts/forecast.py wish）
• Round 6：RQ-D3 + 判断预测实践手册（含 LLM 辅助协议）
• Round 7：RQ-E 组（决策集成与预测价值）

新增问题模板

## RQ-XX 标题
- 问题表述：
- 动机（为什么重要）：
- 可检验方式（数据/实验/判否条件）：
- 状态：open