SIM TAIPEI · 媒體簡報
456 個里、210 萬個虛擬選民,
一場敢被打臉的公開預測實驗
一個人、零問卷、只用政府公開資料,對 2026 台北市長選舉做出逐里預測——
賽前用時間戳封存,投票日開票對帳。這不是民意調查。
薩摩創意 · 2026-08-06(投票日前 114 天)· 政治中立 · 自費公民數據專案
ORIGIN · 源起
源起:從 Sim Francisco 來的啟發
2026 年,UC Berkeley 團隊在 Anthropic Opus 4.8 Build Day 用美國普查個體資料合成出「會回答問題的舊金山」,得獎並開源——證明不用問卷、只用公開資料,可以合成一座能拿真實選舉對帳的城市。Sim Taipei 就是從這裡出發的台灣版。
Sim Francisco(舊金山)
- UC Berkeley 團隊作品,Anthropic Opus 4.8 Build Day 得獎專案,開源、可查證
- 用美國普查個體資料合成虛擬市民,回測 2024 總統票與地方提案
- 限制:回測只有單點(一場總統票+一項提案)
Sim Taipei(台北)
- 同一方法骨架,原料換成台灣公開資料
- 王牌:中選會村里層級歷次開票——456 里 × 7 場選舉可回測,是全世界少有的細顆粒真值
- 結論反而更保守:實測後把 AI 的角色降級了(第 7 頁)
同一時期的國際文獻:Stanford 訪談分身研究(Park et al. 2024, arXiv:2411.10109)、ElectionSim(arXiv:2410.20746)、以及證明「大型語言模型會把群體差距放大 4–10 倍」的 arXiv:2412.15291——最後這篇正好為本專案的鐵則提供了獨立文獻背書。
WHAT IS THIS
30 秒看懂:這個專案做了什麼
456
預測顆粒度:台北市全部 456 個里(12 行政區)
210萬
合成選民:對回戶籍 20 歲以上人口,總數一人不差
7 場
回測用的真實選舉(2020/2024 總統與立委、2022 市長/議員/里長)
- 把政府公開統計「拼」成一座數位台北:每個里各年齡、性別、學歷、婚姻的人數都對得回官方統計,再疊上 16 年的逐里開票紀錄
- 用它對 2026 台北市長選舉做逐里預測,發布時以 git 時間戳存證、發布後不改;投票日前 10 天全站依法自動封存,開票後公開對帳
- 由薩摩創意(邵民)獨立製作、自費進行,未受任何政黨、候選人或其代理人委託、贊助或資助
THE METHOD
方法只有一句話:地形 + 水位
台北 456 個里像一片高低不一的柱子。地形=每個里相對全市的政治傾向(抄歷屆開票,16 年幾乎不動);水位=當期民調量到的全市整體支持度。水位一動,456 根柱子同步升降;柱頂過了 50% 線,那個里就翻盤。
← 傾向最低的里456 個里依地形高低排列(示意抽樣)傾向最高的里 →
深色=當期水位下的高度
淺色=水位再抬升時同步多出的高度
- 地形極穩:台北里級藍綠地圖 2008↔2024 相關 r≈0.96,總統場↔市長場 r≈0.97——16 年、跨選舉類型都是同一張圖
- 民調給 1 個數字,模型翻成 456 個。要用抽樣做到里級,得做約 45.6 萬份訪問
- 贏過台北的人沒有一個畫出新地圖——柯文哲 2014 橫掃 401 里,最強最弱的地方跟今天同一個形狀;他做的是把水位從 44% 抬到 58%
THE DATA
原料全部公開可查——沒有爬蟲黑數據,沒有個資
| 來源 | 內容 | 角色 |
|---|
| 中選會 | 2008–2024 村里層級逐場開票(16 年、7 場入模) | 地形+回測真值 |
| 內政部戶政 | 村里級 年齡×性別×婚姻×教育 交叉統計(1,367 萬列) | 合成人口骨架 |
| 財政部 | 456 里綜所稅所得中位數(112 年度) | 結構特徵 |
| SRDA 學術調查 | TSCS / TEDS 個體問卷(經授權,個體資料不對外提供) | 態度錨 |
| 1990 戶口普查 | 區級外省人口比例(公開彙整) | 族群結構錨 |
| 具名正規民調 | TVBS、凱達格蘭、震傳媒×山水 等 | 當期水位 |
「合成選民」不是編造,是拼圖
政府公布的是每個里各年齡層、各學歷「有多少人」的邊際總數。用統計方法(IPF)反覆按比例縮放,湊出同時符合所有邊際的完整人口表——456 里、55,188 個人口原型、總計 2,101,774 人,加總對回戶籍統計,一人不差。沒有任何一筆是真實個人的資料。
可重現:程式碼含 19 項自動測試,demo 指令 30 秒可在現場重跑全部回測。
TRACK RECORD
先講對過幾次帳:回測與鏡像檢驗
391/456
用 2020 地形預測 2024 總統:456 里方向對了 86%;「全市均值」笨方法只對 239 里(52%)——多對 152 個里
417/456
反向檢驗(backcast,用 2024 回推 2020):91%,基準 82%。時間倒流、洩漏比正向重——穩健性參考,主數字看左邊
403 vs 401
重建一致性(非預測力證據,模型與水位平移同源):回填柯文哲 2014→403 里 vs 實拿 401;蔡英文 2020 同法 377 vs 373
- 在「民調有 ±3% 誤差」的現實條件下,誤差約為無腦基準的一半、方向命中 86–91%——假設民調完美會更漂亮(94%),但那是拿答案回推的數字,我們不對外使用
- 誠實加註:「方向命中」在一面倒的選舉會虛高——2020 那場基準自己就有 82%,所以我們永遠連基準一起講
- 搖擺里實驗(2026-08-07):「安全里灌分」檢驗——份額誤差搖擺里 ≈ 全體(0.0022 vs 0.0021),不成立;但方向命中拆開看:事後開票真正接近(<10pt)的 230 里在 ±3pt 誤差下僅 64–72%——整體 86% ＝ 安全里近滿分＋真搖擺里六到七成;校準曲線斜率≈1,唯一偏差＝民調誤差。這正是我們發布情境梯而非單點的原因
THE HONEST TWIST
最重要的發現:AI 猜票輸了,而且我們把敗績全部公開
- 專案原始構想是「用 AI 合成選民預測選舉」——這個想法被自己的回測證偽了:嚴格盲測四次同向落敗,最好的 AI 輪詢誤差是「複製上一場開票」的 3.5 倍;消融測試:AI 層疊上統計引擎,分數一動不動——貢獻歸零
- AI 只能還原真實里間差異的約 30%;把里級所得餵給它,它把「所得↔投票」的關係押重 3.6 倍(真實 −0.24,它給 −0.87),預測反而變差
- 用候選人形象預測 59 位現任議員的票倉:中位相關 +0.004,等於丟銅板
國際文獻撞出同一面牆
arXiv:2412.15291(2024)以大樣本證明:LLM 模擬會把真實世界 4–11 個百分點的群體差距吹成 47.6 個百分點——放大 4 到 10 倍。與本專案實測互為印證。
因此定下的鐵則
AI 只負責「相對方向」與質化敘事,不參與量化投票推估;絕對水位永遠由外部真值(民調、開票)錨定。
「會把自己做錯的事寫在網站上的人,他說對的那部分,你才敢用。」——所有負結果都逐字留在實驗日誌,任何人可以拿去檢驗。
WAVE 1 FORECAST · 2026-08-06 · T-114
第一波正式預測(已存證):蔣 66:沈 34
66 : 34
藍綠對決份額中央預測。水位=5–6 月三份正規民調中位(TVBS/凱達格蘭/震傳媒×山水,落在 33.3–35.9% 窄帶)
7 里
沈伯洋領先里數(集中社子島—洲美—大佳);膠著 18 里;蔣萬安領先 449 里
0 / 12
綠營領先行政區。最高大同也只有 45.5%
+16pt
沈獲勝所需的水位移動——超出本專案資料裡任何一次觀測(114 天內)
| 情境 | 全市沈份額 | 沈領先 | 膠著 | 蔣領先 |
|---|
| 中央(當期民調) | 34.0% | 7 里 | 18 里 | 449 里 |
| 民調誤差 −3pt / +3pt | 31 / 37% | 3 / 16 里 | ~5 / ~37 | 453 / 440 |
| 綠營完全歸隊(=2022 陳時中水位) | 43.3% | 92 里 | 89 里 | 364 里 |
| 五五波(參考) | 50.0% | 236 里 | 150 里 | 220 里 |
- 市議員政黨席次中央預測:國 28.4 / 民 19.0 / 眾 4.9 / 其他 6.8(59 席;2022 實際 28/21/4/6)——市長差距 +9pt 只換議員 ±0~2 席,SNTV 結構黏
- 誠實標註:7 月整月沒有任何正規民調,央值錨在 5–6 月,是這一波的硬傷;網路投票(自選樣本)不採計
FALSIFIABLE
預測寫死四條可證偽宣稱——錯了照寫
- ① 蔣萬安連任
- ② 開票的藍綠對決份額落在 沈 31–40% 區間
- ③ 里級方向:沈最強在社子島—大同軸、最弱在文山
- ④ 若沈突破 43% 或跌破 28%——即使蔣連任,也算模型水位層失準,對帳時照寫
「唯一誠實的檢驗,是在結果揭曉前把預測釘死。」每一波隨 git commit 留時間戳,發布後不改;新波不覆蓋舊波,歷次全保留。封存粒度:456 里全表＋中央預測＋四條宣稱＋議員席次分布。誠實註記:hash 錨於私有 repo,第三方暫只能信任時間戳;開票對帳時逐里公開比對。
| 時間 | 事件 |
|---|
| 2026-08-06 | Wave 1 預測發布+存證(本簡報) |
| 9 月 | Wave 2:議員提名定案+新民調入模重跑 |
| 10 月 | Wave 3:選前最後一波滾動更新 |
| ≤ 11-17 | 最終封存版:市長(情境+點估)、議員(席次機率分布)分層封存 |
| 11-18 00:00 | 選罷法 §53 黑箱期:全站自動封存下線(伺服器端強制) |
| 11-28 | 投票日。開票後解封,逐里公開對帳 |
LIMITS
它不能做什麼——界線先講清楚
- 需要當期民調當水位輸入。沒有民調,只能畫相對地形、定不了高度;民調薄的月份(如 2026 年 7 月)是真實的硬傷
- 市長這種「個人魅力戰」是模型的弱項——候選人因素蓋過人口結構,所以市長只做情境推演,不賣水晶球
- 新議題(沒有歷史開票可對)的推估,一次都沒驗證過;8 條價值軸只有 2 條(國族、性別議題)有真實資料背書,其餘 6 條在網站上標明「假說地圖」
- 地形是慢漂移、非永凍(4 年相關 0.98 緩降到 16 年 0.96);若第三組人強勢參選、選戰結構改變,地形與水位的搭配要重新設定
- 它預測的是傾向比例與相對結構,不是「保證誰當選」;推估非預言,不保證任何未來選舉結果
NEUTRALITY & COMPLIANCE
政治中立怎麼證明?同一批數字,對兩邊講同一句話
- 同一套 456 里底圖,同時做成給沈伯洋團隊與蔣萬安團隊的兩份對稱簡報;「T-114 落後 28pt 翻盤沒有先例」這句話,對兩邊講的是同一句
- 非獨家:同樣的數據與方法任何陣營都能取得——所以數字不會替任何人化妝
- 自費個人專案,未受任何政黨、候選人、競選團隊或其代理人委託、贊助或資助
選罷法 §53:寫進系統的四道閘
- 公開揭露頁常設(方法/母體/誤差/資料來源)
- 11/18 起黑箱期全站自動封存——伺服器端強制、每 5 分鐘自檢,不靠人記得關
- 用語去民調化:全站標示「結構傾向推估,非民意調查」
- 免責與責任分配:黑箱期發布、引述者責任自負
DISCLOSURE · 報導引用前必讀
揭露事項與引用規範
| 性質 | 結構傾向推估(非民意調查;未對任何人進行任何形式的調查訪問) |
| 負責單位 | 薩摩創意(Satsuma Creative)· 邵民個人資料研究專案 |
| 經費來源 | 自費;未受政黨/候選人/其代理人委託、贊助或資助 |
| 方法 | 合成人口(IPF)+ 校準回歸 + 凍結地形 + 民調水位錨 |
| 母體 | 台北市 456 里戶籍 20 歲以上約 210 萬人(官方統計) |
| 回測誤差 | 現實民調 ±3% 情境:方向命中約 86–91%,誤差約基準之半;完整 Brier 數據見揭露頁 |
| 水位民調 | 引用之具名正規民調,樣本數/誤差以各原始發布為準 |
- 報導或引用本專案內容,請連同揭露頁連結一併附上:saomin.tw/sim/disclosure.html
- 引用預測數字時請標明「結構傾向推估」,勿以「民調」「支持率調查」稱之
- 2026-11-18 至 11-28 投票截止為法定黑箱期:期間發布、報導、散布、評論或引述選舉推估資料,依選罷法 §53/§110 可處 10 萬–200 萬元罰鍰,責任由行為人自負
- 本頁為工程/產品視角之合規說明,非法律意見
Q&A
記者最常問的四題,先答在這裡
Q:這是民調嗎?
不是。零抽樣、零電訪、零問卷。它是把「歷屆開票的地理結構」與「當期民調的全市水位」相乘的結構推估——民調是它的輸入,不是它的產出。
Q:準嗎?
已對過帳的部分:回測方向命中 86–91%(基準 52–82%)、鏡像檢驗 456 里只差 2–4 個。沒對過帳的部分(新議題)我們直接說「一次都沒驗證過」。每個數字都講得出是哪一場、跟什麼比、怎麼算的。
Q:會不會變成帶風向的工具?
防線有三:①政治中立非獨家,兩陣營拿到同一批數字;②預測發布即存證、不可回改,錯了公開認;③法定黑箱期全站自動下線,伺服器端強制。
Q:AI 在裡面扮演什麼角色?
比多數人想的小。AI 猜票在盲測中四次輸給統計方法,所以被降級為質化敘事層;量化預測靠的是開票地形、統計校準與民調。這個「AI 不行」的結論本身,就是專案最重要的發現之一。
CLOSING
預測已經釘死。
11 月 28 日開票,我們對帳。
對了,你知道方法為什麼對;錯了,錯在哪一層我們照寫。
這個專案最值錢的不是模型,是一套敢公開對帳的驗證流程。
薩摩創意 · saomin.tw/sim/disclosure.html · i@saomin.tw · 2026-08-06(投票日前 114 天)