Home Page
博鱼体育APPღ✿，博鱼体育APP下载ღ✿。博鱼体育官方appNBA消息ღ✿，【新智元导读】AI能像科幻电影中的先知一样预测未来吗？一个名为「Prophet Arena」的全新基准测试ღ✿，正通过预测真实世界事件来评估AI的「预言」能力ღ✿。
在昨晚的男篮亚洲杯冠军争夺战中ღ✿，中国男篮虽以1分之差惜败澳大利亚ღ✿，但已是近十年来的最好成绩ღ✿！
今天要介绍的Prophet Arena就是一个通过实时更新的真实世界预测任务来评估AI系统预测智能的基准测试ღ✿。
为「人机协作」而生ღ✿：你可以给AI提供线索ღ✿，看看它的预测如何变化ღ✿；AI也会把它的思考过程告诉你ღ✿。
Prophet Arena从像Kalshi和Polymarket这样的预测市场平台挑选热门ღ✿、多样且周期性的真实事件作为考题ღ✿。
Kalshi是一家美国的金融交易所和预测市场平台ღ✿，是美国第一个受美国商品期货交易委员会（CFTC）监管的ღ✿、专注于交易「事件结果」的交易所
AI模型们利用搜索引擎ღ✿，像侦探一样收集关于某个事件的新闻报道ღ✿，整理成一份精炼的「情报简报」ღ✿。同时ღ✿，也会把当时的市场价格（可以看作是群众的集体智慧）放进去博鱼体育在线ღ✿。
拿到相同的情报后ღ✿，每个AI模型都要提交一份详细的「预测报告」ღ✿：对所有可能的结果给出一个概率分布ღ✿，并附上长篇大论的理由玩转三周半ღ✿，解释自己为什么这么看玩转三周半ღ✿。
事件结束ღ✿，结果揭晓ღ✿。会用一套专业的指标来评估AI的预测到底有多准ღ✿，然后更新在一个实时排行榜上ღ✿。
排行榜主要看两个指标ღ✿：一个是衡量准确度和校准度的Brier分数（越高越好）ღ✿，另一个是模拟真实投注的平均回报（看谁能赚钱）ღ✿。
除了上述两个核心指标外ღ✿，Prophet Arena还采用了受统计学和心理测量建模启发的高级评估方法玩转三周半ღ✿，如项目反应理论（Item Response Theoryღ✿，IRT）和广义Bradley-Terry（BT）模型ღ✿。
比如一场温布尔登网球赛ღ✿，赛前市场普遍认为选手保罗有84%的胜率ღ✿，甚至在开赛前一度攀升至95%ღ✿。
比如在「AI监管法规会在2026年前成为联邦法律吗？」这个事件上博鱼体育在线ღ✿，市场认为可能性只有25%玩转三周半ღ✿。
保守派代表Llama 4 Maverickღ✿：它也看到了同样的信息ღ✿，但认为立法过程复杂又缓慢ღ✿，所以只给出了比市场略高一点的35%ღ✿。
例如在圣地亚哥与多伦多的美国职业足球大联盟比赛中ღ✿，o3-mini在1美元的投注上获得了9美元的回报ღ✿。
根据市场数据和新闻来源ღ✿，o3-mini预测多伦多获胜的概率为30%ღ✿，而市场隐含的概率仅为11%（价格=0.11）ღ✿。
尽管多伦多是不被看好的一方ღ✿，但AI识别到了正的期望值ღ✿，并由于其最大的优势比率30%/11%≈3ღ✿。
就像在上面那场足球赛中玩转三周半ღ✿，市场认为多伦多队只有11%的胜算ღ✿，但o3-mini经过分析认为有30%博鱼体育在线ღ✿。
数值越低（颜色越深的单元格）表示概率推理更接近一致ღ✿；数值越高（颜色越浅的单元格）则表明分歧越大博鱼体育在线ღ✿。
与Kimi K2玩转三周半ღ✿、o3和Llama 4 Maverick等模型相比ღ✿，它的L2距离始终高于0.7ღ✿，这表明其可能采用了不同的校准方式或内部决策机制ღ✿。
在频谱的另一端ღ✿，诸如Grok-4和GPT-5之类的模型经常作出高度一致的预测ღ✿，L2距离通常低于0.3博鱼体育在线ღ✿。
换句话说ღ✿，这张图展示了AI预测的多样性ღ✿：有些模型形成「群体共识」ღ✿、有些模型像「特立独行的异议者」ღ✿。
设想ღ✿，AI系统将成为预测市场的积极参与者ღ✿，将人类的直觉洞察与AI强大的数据分析能力相结合玩转三周半博鱼体育在线ღ✿，最终提升整个社会的集体远见ღ✿，为那些高风险的决策提供更可靠的依据ღ✿。
毕竟玩转三周半ღ✿，如果说语言模型的下一步是预测下一个词ღ✿，那么它的终极形态ღ✿，或许就是预测这个真实世界的下一个事件ღ✿。