排气设备365best体育官网入口beat365网站★★✿，beat·365365beat★★✿。【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★★✿，正通过预测真实世界事件来评估AI的「预言」能力★★✿。

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

　　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★★✿。

　　为「人机协作」而生★★✿：你可以给AI提供线索★★✿，看看它的预测如何变化★★✿；AI也会把它的思考过程告诉你★★✿。

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

　　Kalshi是一家美国的金融交易所和预测市场平台★★✿，是美国第一个受美国商品期货交易委员会（CFTC）监管的夜无忧论坛365体育app下载★★✿、专注于交易「事件结果」的交易所

　　AI模型们利用搜索引擎★★✿，像侦探一样收集关于某个事件的新闻报道365体育app下载★★✿，整理成一份精炼的「情报简报」★★✿。同时★★✿，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★★✿。

　　拿到相同的情报后★★✿，每个AI模型都要提交一份详细的「预测报告」★★✿：对所有可能的结果给出一个概率分布夜无忧论坛365体育app下载★★✿，并附上长篇大论的理由★★✿，解释自己为什么这么看365体育app下载★★✿。

　　事件结束夜无忧论坛★★✿，结果揭晓夜无忧论坛★★✿。会用一套专业的指标来评估AI的预测到底有多准夜无忧论坛★★✿，然后更新在一个实时排行榜上★★✿。

　　排行榜主要看两个指标★★✿：一个是衡量准确度和校准度的Brier分数（越高越好）365体育app下载★★✿，另一个是模拟真实投注的平均回报（看谁能赚钱）★★✿。

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

　　比如一场温布尔登网球赛365体育app下载★★✿，赛前市场普遍认为选手保罗有84%的胜率★★✿，甚至在开赛前一度攀升至95%★★✿。

　　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★★✿，市场认为可能性只有25%★★✿。

　　保守派代表Llama 4 Maverick★★✿：它也看到了同样的信息★★✿，但认为立法过程复杂又缓慢★★✿，所以只给出了比市场略高一点的35%★★✿。

　　例如在圣地亚哥与多伦多的美国职业足球大联盟比赛中夜无忧论坛★★✿，o3-mini在1美元的投注上获得了9美元的回报★★✿。

　　根据市场数据和新闻来源★★✿，o3-mini预测多伦多获胜的概率为30%★★✿，而市场隐含的概率仅为11%（价格=0.11）★★✿。

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

　　就像在上面那场足球赛中★★✿，市场认为多伦多队只有11%的胜算★★✿，但o3-mini经过分析认为有30%★★✿。

　　数值越低（颜色越深的单元格）表示概率推理更接近一致★★✿；数值越高（颜色越浅的单元格）则表明分歧越大★★✿。

　　与Kimi K2★★✿、o3和Llama 4 Maverick等模型相比★★✿，它的L2距离始终高于0.7夜无忧论坛★★✿，这表明其可能采用了不同的校准方式或内部决策机制★★✿。

　　在频谱的另一端★★✿，诸如Grok-4和GPT-5之类的模型经常作出高度一致的预测★★✿，L2距离通常低于0.3★★✿。

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

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

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