본 논문은 Polymarket의 이상 신호(anomaly signals)와 글로벌 오픈 소스 인텔리전스 (OSINT) 스트림, 특히 GDELT(Global Database of Events, Language, and Tone)를 합성하여 예측 지능을 추출하도록 설계된 선구적인 멀티 에이전트 아키텍처인 PolyGnosis 2.0을 소개합니다. 우리는 Polymarket의 정서(sentiment)와 글로벌 미디어 흐름 사이의 서사적 차이인 "관점 불일치(Perspective Mismatches)"를 고수익(high-alpha) 트레이딩 신호로 정의하고 목표로 합니다. 일반적인 에이전트의 우수성을 넘어, 우리는 노이즈가 많은 금융 도메인 내에서 성찰 루프(reflection loops), 도구 호출(tool-calling), 분할 정복 분할(divide-and-conquer partitioning, D&C), 그리고 사고의 사슬 (Chain-of-Thought, CoT)을 포함한 "하네스 엔지니어링 (Harness Engineering)" 기술의 효능을 엄격하게 정량화합니다. 인간 전문가 벤치마크를 통한 실증적 평가 결과, 다차원적 정렬을 위해서는 구조적 분할이 필수적이지만, 제약 없는 터미널 성찰(terminal reflection)은 논리적 표류(logical drift)를 능동적으로 유발한다는 것을 밝혀냈습니다. 또한, 서사 추론 과정에서 모든 에이전트 구성에 걸쳐 만연한 "합의 편향 (consensus bias)"을 확인하였으며, 이는 결정론적 검증(deterministic validation)의 필요성을 시사합니다. 최종적으로, 우리는 지연 시간(latency)과 토큰 오버헤드를 최소화하면서 전문가 수준의 분석 정밀도를 달성하는 파레토 최적(Pareto-optimal) 구성을 분리해냄으로써, 예측 시장에서의 자율 지능을 위한 강력한 청사진을 제공합니다.