“把这轮数据打上标签。”他对李阳说，“‘政策预期前置资金’，加入训练集。”

李阳新建分类目录，命名存档。张远则在旁边打开回测工具，输入过去一年所有有色金属品种在类似基本面组合下的表现。结果显示，在库存下行+基差收敛+板块联动三项同时满足的情况下，后续一周上涨概率为84.6%，中位涨幅7.3%。

“我们的判断不是孤例。”张远说。

三天后，周五下午三点。

主屏中央弹出结算数据框：

【沪铝主力合约周涨幅：11.2%】

【周初预测方向对比】

陈帆团队：上涨（87%概率）→正确

经济系模型：下跌（52%倾向）→错误

侧屏同步生成对比图表。一根绿色柱状图高高耸起，另一根微微向下倾斜。旁边附着系统推演路径与实际k线的重叠图，两条线在周三后基本重合。

就在此时，实验室门再次被推开。

教授独自一人走进来，手里拿着一张a4纸。他站在屏幕前看了一会儿，把纸放在操作台上。

那是他们团队的原始预测文档。他在结论段划了一道红线，旁边手写一行字：“参数失效，需重构输入维度。”

“你们是怎么发现政策信号的？”他问。

“发改委官网公告发布时间。”陈帆调出信息提取模块，“每周二上午十点前后，系统自动抓取关键词。上周出现‘新能源基建提速’，结合电网投资数据上调，判定为利好上游金属。”

“可这种消息通常滞后反映在价格里。”

“所以我们提前监控相关企业的用电量异常。”李阳补充，“电解铝厂用电数据上周环比上升9.4%，说明生产意愿增强。这不是公开信息，是我们通过地方电力平台接口拿到的。”

教授深吸一口气，点了点头。

“下周。”他说，“我带学生过来，听你们讲一次数据源处理流程。”

说完，他转身离开。

房间里没人说话。张远慢慢靠向椅背，手指无意识地摩挲着键盘边缘。李阳开始打包本次对决的所有中间数据，准备导入系统迭代训练库。

陈帆仍坐在主位，目光落在主屏尚未关闭的对比图上。绿色柱体边缘清晰，数值稳定。他知道，这一胜不只是算法的胜利，更是观察尺度的胜利——别人看季度报表，他们看数据诞生的瞬间。

“把这次对话记录归档。”他对李阳说，“分类名称叫‘外部验证_学术挑战’。”

李阳点击确认，文件夹图标沉入数据库深处。系统右下角弹出提示：

【新数据包已入库】

训练任务队列自动追加一项待处理任务

此时，主屏下方的商品监控列表仍在滚动。一条新的异动警报悄然亮起：

【沪铜持仓结构突变】

多头集中度单日上升12.3%

触发条件：跨品种联动监测阈值

张远的目光被吸引过去。他伸手移动鼠标，准备展开详情页。', '')