Home Page
【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蜜芽tv跳转接口点击进入网站100✿◈✿。
Prophet Arena从像Kalshi和Polymarket这样的预测市场平台挑选热门✿◈✿、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✿◈✿、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蜜芽tv跳转接口点击进入网站100✿◈✿，整理成一份精炼的「情报简报」✿◈✿。同时博鱼体育APP✿◈✿！✿◈✿，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✿◈✿，并附上长篇大论的理由✿◈✿，解释自己为什么这么看✿◈✿。
事件结束✿◈✿，结果揭晓✿◈✿。会用一套专业的指标来评估AI的预测到底有多准✿◈✿，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）博鱼体育全站APP✿◈✿，✿◈✿，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蜜芽tv跳转接口点击进入网站100✿◈✿，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✿◈✿，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%博鱼体育✿◈✿。✿◈✿。
保守派代表Llama 4 Maverick✿◈✿：它也看到了同样的信息博鱼(BOYU)✿◈✿，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蜜芽tv跳转接口点击进入网站100✿◈✿，o3-mini在1美元的投注上获得了9美元的回报博鱼(BOYU)✿◈✿。
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蜜芽tv跳转接口点击进入网站100✿◈✿。
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%博鱼体育全站APP✿◈✿。
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✿◈✿，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博鱼体育在线✿◈✿，✿◈✿。
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」博鱼(BOYU)✿◈✿、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蜜芽tv跳转接口点击进入网站100博鱼(BOYU)博鱼·体育✿◈✿。✿◈✿，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博鱼(BOYU)✿◈✿。