结论
7 月我们基于 6 月 SkillSelect 快照，发布了我们追踪的每一个 189 职业池的预测—— 并承诺在真实数据到来后公开评分。7 月的 SkillSelect 数据已经落地：我们为 67 项 189 池预测评分，平均误差为2.24%，低于「维持不变」基线的3.10%——本月我们赢了。67 项中有65 项落在公布的 80% 区间内；未命中的两项也不会被藏起来，就在下文。
189 总池
189 打分测试池，对照 7 月快照的评分：
| 序列 | 预测值 | 80% 区间 | 实际值 | 误差 |
|---|---|---|---|---|
| 189 Points-Tested pool | 181,322 | 172,212–190,914 | 178,506 | +1.6% ✓ |
热门职业
八个最大的 189 职业池。本月最准的一笔是幼教老师——误差仅 0.3%。
| 序列 | 预测值 | 80% 区间 | 实际值 | 误差 |
|---|---|---|---|---|
| Early Childhood Teacher (241111) | 12,306 | 11,688–12,957 | 12,343 | -0.3% ✓ |
| Chef (351311) | 11,961 | 11,360–12,594 | 11,449 | +4.5% ✓ |
| Software Engineer (261313) | 9,939 | 9,440–10,465 | 9,756 | +1.9% ✓ |
| Civil Engineer (233211) | 9,392 | 8,920–9,889 | 9,154 | +2.6% ✓ |
| ICT Business Analyst (261111) | 8,234 | 7,820–8,670 | 8,037 | +2.5% ✓ |
| Mechanical Engineer (233512) | 8,190 | 7,778–8,623 | 7,880 | +3.9% ✓ |
| Accountant General (221111) | 7,941 | 7,542–8,361 | 7,682 | +3.4% ✓ |
| Developer Programmer (261312) | 6,866 | 6,521–7,229 | 6,771 | +1.4% ✓ |
案例研究
这是我们追踪的最大 189 职业池，也是本月最准的一次预测：尽管 7 月财年交替带来的 EOI 集中过期扰动了周边的小池子，模型的预测与实际值仅相差 37 份 EOI。
点预测偏差达 4.5%——是八大职业池中本月最差的一笔——但公布的 80% 区间稳稳接住了 实际值。这正是区间存在的意义：点预测会出错，诚实体现在区间里。
这个池子跌破了我们区间的下限——只差 9 份 EOI，但没进区间就是没进。67 项预测中 唯一的另一次失手方向相反：物理治疗师（252511）实际值为 585，比我们的区间上限 582 高出 3 份 EOI。67 项预测里两次 失手，一次偏低一次偏高，都只差一线之隔——这就是 97% 覆盖率在现实中的样子。
六个月盲测
与我们方法论文章中的盲测协议相同：我们只用截至 2026 年 1 月的数据重新拟合引擎， 让它预测接下来六个月。2 月到 5 月的预测误差都在 1% 以内——5 月这一笔在约 18.5 万的池子上，预测与实际值只相差不到 1,800 份 EOI。接下来发生了 1 月份的模型不可能 预见的事：财年末的过期潮把池子拉低到 7 月的 178,506，比点预测低 8.2%——而刻意 放宽的区间稳稳接住了它。六个月全部落在区间之内。
同样的协议——生产环境的拟合模型、历史数据截至 2026 年 1 月、盲测六个月——在三个 具体职业上的重演：
工程技术专家（233914）正是我们方法论文章的明星案例，如今用六个全新的月份重新 检验：仅用截至 2026 年 1 月的数据重新拟合模型，盲测预测 2 月至 7 月，六个月终点 误差在 1.5% 以内，六个月全部落在公布的区间之内。
在六个月的视野上，点预测与实际值分毫不差——化学家（234211）预测 618，实际到来 的也是 618。这是一个较小的池子（约 600 份 EOI），所以这种精确程度部分要归功于 运气，但整条六个月路径也始终落在区间之内。
中学教师（241411）是最诚实的一笔：2 月到 5 月，池子的增长速度比模型预测的更快 ——连续四个月冲出区间上限——随后 7 月的财年过期潮又把它拉回区间内。六个月终点 看起来还不错，误差仅 +4.5%，但这条路径其实是两次误差相互抵消，而不是一次准确 的预测；这正是我们公开整条轨迹、而不是只按终点评分的原因。
你分数段的队列
以上的总池评分针对的是整个职业池。但大多数用户真正会用到的，是自己分数段的 队列——某个职业中有多少 189 EOI 落在 65、70……95 分及以上。这一次同样是模型 击败了「维持不变」基线——在全部 545 项已到期的分数段预测中，每一个分数段都 胜出（5.86% 对 6.87%），97.8% 的实际值落在 80% 区间内。唯一的弱点是 80 分段 （误差 12.0%），恰好卡在 7 月过期潮的断层线上。
| 分数段 | 预测数 | 我们的误差 | 基线误差 | 区间命中率 |
|---|---|---|---|---|
| 65+ | 129 | 4.18% | 5.18% | 100.0% |
| 70+ | 118 | 4.65% | 5.87% | 100.0% |
| 75+ | 106 | 6.48% | 7.71% | 96.2% |
| 80+ | 73 | 11.98% | 12.87% | 90.4% |
| 85+ | 53 | 4.25% | 4.82% | 100.0% |
| 90+ | 42 | 5.24% | 5.94% | 97.6% |
| 95+ | 24 | 4.16% | 5.03% | 100.0% |
| 全部 | 545 | 5.86% | 6.87% | 97.8% |
无论是 189 总池的点预测，还是分数段队列预测，本月都跑赢了基线；对一个 189 申请人真正重要的这几项评分，这个月全部是绿色——我们会每个月都公开发布， 输的时候也一样。
误差来源
几乎每个池子的实际值都略低于点预测——7 月是财年交替月（一批满两年的 EOI 集中过期），而模型的趋势预期了比这波过期潮所允许的更多增长。2.24% 的平均误差，加上两次擦线而过的失手，说明 我们对 189 的拟合是紧的；覆盖率超标（97.0% 对 80% 的目标）意味着随着更多月份成熟，公布的区间未来可以收窄——我们宁愿 慢慢收窄，也不愿仓促收窄后错失。
下月验证
9 月初我们将对 6 月版本做两个月视野评分，同时对 7 月版本做一个月视野评分—— 每个月如此，输赢都公开。方法细节见 预测方法与验证；实时数据见 EOI 趋势。