民調不是在低估共和黨，而是在怕錯而過度修正
緬因州一份民調把民主黨原始9個點的領先，硬是用「可能投票模型」壓成2個點——Nate Silver說這不是技術失誤，是民調機構怕重蹈2016年低估特朗普覆轍後的自我保護。
原視頻在 YouTube 上放不出來，用音頻聽：
核心論點 · 點時間戳可跳到原聲
特朗普支持率創楚門後最低
特朗普支持率約37%，Nate Silver說這是杜魯門1946年以來中期選舉總統最差的支持率。對比2018年中期選舉，特朗普當時支持率更高、汽油也沒這麼貴，共和黨仍丟了41個眾議院席位。他把這次選情形容為「夾在石頭和硬地之間」：大環境對民主黨極為有利，但要贏參議院，民主黨得在德克薩斯、堪薩斯、阿拉斯加、南卡羅來納這些深紅州贏球，這是數學上必須冒的險。
— Nate Silver特朗普退出廣告卻搶走主角位
最能說明這是「對特朗普的公投」的證據是：共和黨競選廣告裡已經不提特朗普，共和黨的播客也不聊他了。但特朗普自己反而想搶回主角位置——他給德州的Ken Paxton站臺背書、執意與伊朗開戰，這兩個決定讓原本可能持平的參議院選情直接倒向民主黨領先。
— Nate Silver特朗普不在票上時民調反而低估民主黨
過去幾次大選（2016、2020、2024）民調系統性低估特朗普本人，但在特朗普不在選票上的選舉裡——比如去年新澤西、弗吉尼亞州長選舉——民調反而大幅低估了民主黨。一種解釋是特朗普有本事拉出一批難以被民調聯繫到、本身也不太投票的選民，這批人不會為了堪薩斯的Roger Marshall或德州的Ken Paxton這種下游候選人出門投票。
— Nate Silver緬因州民調把9個點硬壓成2個點
緬因州Marist民調原始結果是民主黨候選人Troy Jackson領先9個點，但套用「可能投票模型」後被壓到只領先2個點，州長選舉的領先優勢更是從11個點被壓到0。Nate Silver直言這套數學根本說不通：不是模型算出來的結果，而是先決定了一個自己能接受的數字，再反推出模型參數。
— Nate SilverAI做不了民調的數字分身實驗
面對「用AI生成數字分身來做民調」的設想，Nate Silver明確反對：民調是現在少數幾個真實數據來源之一，不能外包給AI agent。他舉例說如果讓模型生成一個「合成的拉美裔受訪者」，99%的合成回答都會說喜歡足球——這和讓Claude隨便挑個0到10的數字、它總挑7是一個道理，模型給出的是刻板印象的平均值，而真實選民遠比這複雜、彼此意見也常常不一致。
— Nate Silver為搶更多席位畫的選區圖可能反噬自己
Nate Silver介紹了一個政治學術語「dummymander」：為了多搶席位而畫的選區圖，最後反而讓本黨拿到的席位比原圖還少。佛羅里達州德桑蒂斯按總統選舉年的基準畫圖，沒料到民主黨這波D+9的全國環境；得州共和黨押注南德州的西語裔選民已經轉紅，這個假設如果不成立，畫圖策略也可能幫倒忙。
— Nate Silver花錢投廣告的邊際收益在遞減
談到競選該把錢花在廣告還是地推敲門，Nate Silver認為廣告的邊際收益遞減得很快，他講了山姆·班克曼-弗裡德（Sam Bankman-Fried）的故事：此人曾未經候選人同意、在俄勒岡州一場眾議院初選裡砸下1000萬美元支持一位候選人，結果選民被海量郵件轟炸後反而質疑這位「古怪的加密貨幣億萬富翁」，候選人最終慘敗。
— Nate SilverAI把兩天半的活壓成十五分鐘
去年手寫NFL附加賽的複雜算法排名規則花了Nate Silver兩天半，代碼還有漏洞、漏掉了幾條規則。現在用GPT或Claude寫，十五分鐘就能搞定，代碼速度還快十倍。但他也提醒AI會引入隱蔽的bug——他們的足球模型有一版出現了評分循環指回過去的錯誤，結果2026年的評分影響了1900年的評分，很詭異。
— Nate Silver原話 · 已逐字校驗
I kind of call this the rock versus the hard place election, right?
我管這叫「夾在石頭和硬地之間」的一場選舉。
Nate Silver2:04
If you like code up a, you know, have Claude or whatever, or GPT code up a SIM to just show you like what random polling error looks like in the past 20 elections, it looks kind of like, you know, it's impossible to distinguish it.
如果你寫段代碼，找Claude或者GPT跑個模擬，看看過去20次選舉裡隨機民調誤差長什麼樣，你會發現根本分不出這次和哪次有什麼不同。
Nate Silver6:10
They decided what result they felt comfortable with and reverse engineered.
他們是先定好一個自己能接受的結果，再反推出這個數字的。
Nate Silver16:21
polling cannot be outsourced to AI agents, right? Because it's one of the few sources of ground truth that we have anymore, number one.
民調不能外包給AI agent去做，因為它是我們現在僅剩的少數「真實數據來源」之一。
Nate Silver18:22
if you ask a poll to create like a synthetic Hispanic respondent, right? 99% of their synthetic responses Hispanic respondents love soccer. It's a bit like if you ask like Claude to pick a number from zero to 10, like always pick seven.
如果你讓模型生成一個「合成的」拉美裔受訪者，99%的合成回答都會說拉美裔喜歡足球。這就跟你讓Claude從0到10裡隨便挑個數，它老挑7一樣。
Nate Silver18:22
This is the flaw in all of advertising, right? Like, you're just annoying me with your product placements and your ads and your intrusion into my life, and it doesn't make me want to buy things from you.
這就是所有廣告的通病：你的植入、你的廣告、你對我生活的打擾只會讓我煩，不會讓我想買你的東西。
No one wants to poll a Seltzer, right? It was so off that she retired from the game.
現在沒人想成為下一個塞爾澤——她那次民調錯得太離譜，直接把這行給退了。
數字與實體
| 特朗普支持率 | 約37% | 2:04 |
| 其中「強烈支持」佔比 | 19% | 9:16 |
| 2018年中期選舉共和黨丟眾議院席位數 | 41席 | 2:04 |
| 模型給民主黨贏得參議院的概率 | 70%至高70%區間 | 10:16 |
| 全國generic ballot領先幅度 | 民主黨領先9個百分點 | 12:17 |
| 緬因州Marist民調原始vs模型後領先幅度 | 9個點被壓至2個點 | 15:19 |
| Flipper模型與Polymarket各州相關性 | 0.995 | 35:41 |
| NFL排名規則代碼耗時：人工vs AI | 2.5天 vs 15分鐘 | 37:46 |
術語
- dummymander自食惡果的選區圖
- 為多搶席位而畫的選區圖，結果反而讓本黨拿到的席位比原圖更少
- elasticity選情彈性
- 模型裡衡量一個州跟隨全國大環境擺動的敏感程度，彈性越低越難被大環境帶動
- digital twin數字分身
- 用AI生成模擬選民來替代真人民調的設想，被Nate Silver認為行不通
- generic ballot政黨概括投票意向
- 不針對具體候選人，只問「你會投共和黨還是民主黨」的全國性民調
收聽指南
關心美國中期選舉走向、想判斷民調可信度、以及好奇AI能否替代一手數據採集的創業者和投資人。
25:30前後主持人講兒子看競選廣告的軼事，純調劑，可跳過不影響理解選情。