555000公海登录★ღ★◈ღ，欢迎公海来到赌船710★ღ★◈ღ！公海赌网平台【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★◈ღ，正通过预测真实世界事件来评估AI的「预言」能力我保证不c进去txt御宅屋★ღ★◈ღ。

　　在昨晚的男篮亚洲杯冠军争夺战中★ღ★◈ღ，中国男篮虽以1分之差惜败澳大利亚★ღ★◈ღ，但已是近十年来的最好成绩★ღ★◈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★◈ღ。

　　为「人机协作」而生★ღ★◈ღ：你可以给AI提供线索公海赌网址710客服★ღ★◈ღ，看看它的预测如何变化★ღ★◈ღ；AI也会把它的思考过程告诉你★ღ★◈ღ。

　　Prophet Arena从像Kalshi和Polymarket这样的预测市场平台挑选热门★ღ★◈ღ、多样且周期性的真实事件作为考题★ღ★◈ღ。

　　Kalshi是一家美国的金融交易所和预测市场平台★ღ★◈ღ，是美国第一个受美国商品期货交易委员会（CFTC）监管的★ღ★◈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★◈ღ，像侦探一样收集关于某个事件的新闻报道★ღ★◈ღ，整理成一份精炼的「情报简报」★ღ★◈ღ。同时★ღ★◈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★ღ★◈ღ。

　　拿到相同的情报后★ღ★◈ღ，每个AI模型都要提交一份详细的「预测报告」★ღ★◈ღ：对所有可能的结果给出一个概率分布公海赌网址710客服★ღ★◈ღ，并附上长篇大论的理由我保证不c进去txt御宅屋★ღ★◈ღ，解释自己为什么这么看★ღ★◈ღ。

　　事件结束★ღ★◈ღ，结果揭晓公海赌网址710客服★ღ★◈ღ。会用一套专业的指标来评估AI的预测到底有多准★ღ★◈ღ，然后更新在一个实时排行榜上★ღ★◈ღ。

　　排行榜主要看两个指标★ღ★◈ღ：一个是衡量准确度和校准度的Brier分数（越高越好）★ღ★◈ღ，另一个是模拟真实投注的平均回报（看谁能赚钱）★ღ★◈ღ。

　　除了上述两个核心指标外★ღ★◈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★ღ★◈ღ，如项目反应理论（Item Response Theory★ღ★◈ღ，IRT）和广义Bradley-Terry（BT）模型★ღ★◈ღ。

　　比如一场温布尔登网球赛★ღ★◈ღ，赛前市场普遍认为选手保罗有84%的胜率★ღ★◈ღ，甚至在开赛前一度攀升至95%我保证不c进去txt御宅屋★ღ★◈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★ღ★◈ღ，市场认为可能性只有25%★ღ★◈ღ。

　　保守派代表Llama 4 Maverick★ღ★◈ღ：它也看到了同样的信息★ღ★◈ღ，但认为立法过程复杂又缓慢公海赌网址710客服★ღ★◈ღ，所以只给出了比市场略高一点的35%我保证不c进去txt御宅屋★ღ★◈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★◈ღ，o3-mini在1美元的投注上获得了9美元的回报★ღ★◈ღ。

　　根据市场数据和新闻来源公海赌网址710客服★ღ★◈ღ，o3-mini预测多伦多获胜的概率为30%★ღ★◈ღ，而市场隐含的概率仅为11%（价格=0.11）我保证不c进去txt御宅屋★ღ★◈ღ。

　　尽管多伦多是不被看好的一方★ღ★◈ღ，但AI识别到了正的期望值★ღ★◈ღ，并由于其最大的优势比率30%/11%≈3★ღ★◈ღ。

　　就像在上面那场足球赛中我保证不c进去txt御宅屋★ღ★◈ღ，市场认为多伦多队只有11%的胜算★ღ★◈ღ，但o3-mini经过分析认为有30%★ღ★◈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★◈ღ；数值越高（颜色越浅的单元格）则表明分歧越大★ღ★◈ღ。

　　与Kimi K2★ღ★◈ღ、o3和Llama 4 Maverick等模型相比★ღ★◈ღ，它的L2距离始终高于0.7公海赌网址710客服★ღ★◈ღ，这表明其可能采用了不同的校准方式或内部决策机制★ღ★◈ღ。

　　在频谱的另一端★ღ★◈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★◈ღ，L2距离通常低于0.3★ღ★◈ღ。

　　换句话说★ღ★◈ღ，这张图展示了AI预测的多样性★ღ★◈ღ：有些模型形成「群体共识」★ღ★◈ღ、有些模型像「特立独行的异议者」★ღ★◈ღ。

　　设想★ღ★◈ღ，AI系统将成为预测市场的积极参与者★ღ★◈ღ，将人类的直觉洞察与AI强大的数据分析能力相结合★ღ★◈ღ，最终提升整个社会的集体远见★ღ★◈ღ，为那些高风险的决策提供更可靠的依据★ღ★◈ღ。

　　毕竟★ღ★◈ღ，如果说语言模型的下一步是预测下一个词★ღ★◈ღ，那么它的终极形态★ღ★◈ღ，或许就是预测这个真实世界的下一个事件★ღ★◈ღ。