ag九游会官方◈ღ，j9九游会老哥俱乐部◈ღ，j9集团◈ღ。九游会官方网站【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j9九游会官方网站◈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j9九游会官方网站◈ღ。

　　Kalshi是一家美国的金融交易所和预测市场平台j9九游会官方网站◈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七彩连珠在线游戏◈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◈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j9九游会官方网站◈ღ，并附上长篇大论的理由◈ღ，解释自己为什么这么看◈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j9九游会官方网站◈ღ，如项目反应理论（Item Response Theory◈ღ，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◈ღ，市场认为可能性只有25%◈ღ。

　　保守派代表Llama 4 Maverick◈ღ：它也看到了同样的信息◈ღ，但认为立法过程复杂又缓慢j9九游会官方网站◈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七彩连珠在线游戏◈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%≈3◈ღ。

　　就像在上面那场足球赛中◈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%◈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◈ღ。

　　与Kimi K2◈ღ、o3和Llama 4 Maverick等模型相比七彩连珠在线游戏◈ღ，它的L2距离始终高于0.7◈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。

　　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七彩连珠在线游戏j9九游会官方网站◈ღ，L2距离通常低于0.3◈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」七彩连珠在线游戏◈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◈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◈ღ，如果说语言模型的下一步是预测下一个词◈ღ，那么它的终极形态七彩连珠在线游戏◈ღ，或许就是预测这个真实世界的下一个事件◈ღ。

J9九游国际站 - FIBA签约合作商j9.com| http://www.jianyetong.com