彩票候选不确定性分析

适用场景

当多个候选模型对同一组号码给出分数时，量化模型之间的分歧，避免把高分但高不确定性的候选直接当成稳定结果。

输入与输出

• - 输入：game、minmodels、每个 candidateid 及多个模型的 0-1 候选分数
• 输出：READY/REVIEW、候选均值、stddev、最小/最大分数、dispersion、normalizedentropy 和 uncertainty_hash

运行

CODEBLOCK0

错误恢复

候选重复、模型视图不足、分数越界或输入为空时保持 REVIEW；补齐独立模型分数后重跑。

隐私与责任边界

只处理公开来源或买家有权使用且已脱敏的本地 JSON，不读取凭据，不连接售彩、支付、下单或代投接口。模型间离散度只描述候选不确定性参考，不代表未来开奖概率、中奖率或收益。

验收

使用 examples/input.json 运行，确认输出含 status、findings、稳定 hash 和 prediction_claim=false；再用模型数量不足、概率越界、重复候选或空输入验收 REVIEW/HOLD 分支。