88bifa (中国区)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幸福宝官网地址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bifa·必发(唯一)中国官方网站bifa·必发(唯一)中国官方网站ღ★，然后更新在一个实时排行榜上幸福宝官网地址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ღ★，如项目反应理论（Item Response Theoryღ★，IRT）和广义Bradley-Terry（BT）模型bifa·必发(唯一)中国官方网站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？」这个事件上幸福宝官网地址ღ★，市场认为可能性只有25%幸福宝官网地址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bifa·必发(唯一)中国官方网站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 K2ღ★、o3和Llama 4 Maverick等模型相比ღ★，它的L2距离始终高于0.7bifa·必发(唯一)中国官方网站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bifa·必发(唯一)中国官方网站ღ★，L2距离通常低于0.3ღ★。

　　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」bifa·必发(唯一)中国官方网站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幸福宝官网地址ღ★，为那些高风险的决策提供更可靠的依据bifa·必发(唯一)中国官方网站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ღ★，或许就是预测这个真实世界的下一个事件ღ★。新全球化ღ★，bf88必官网登入口ღ★，bifa必发唯一必发bifa88ღ★，必发·bifa(中国集团)唯一官方网站ღ★，bf88必官网登入ღ★，必发888官网登录入口ღ★，