澳门永利·（中国）官网入口-澳门永利网址

　　【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澳门永利✿◈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✿◈ღ◈。

　　Prophet Arena从像Kalshi和Polymarket这样的预测市场平台挑选热门澳门永利✿◈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澳门永利澳门永利✿◈ღ◈，像侦探一样收集关于某个事件的新闻报道澳门永利✿◈ღ◈，整理成一份精炼的「情报简报」澳门永利✿◈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◈。

　　事件结束金泽明子金泽明子✿◈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）金泽明子✿◈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澳门永利✿◈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✿◈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✿◈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）则表明分歧越大金泽明子✿◈ღ◈。

　　与Kimi K2✿◈ღ◈、o3和Llama 4 Maverick等模型相比金泽明子✿◈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✿◈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」✿◈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✿◈ღ◈，或许就是预测这个真实世界的下一个事件✿◈ღ◈。澳门永利官网✿◈ღ◈，澳门永利最老登录入口网址✿◈ღ◈！澳门永利入官网✿◈ღ◈！澳门永利入官网✿◈ღ◈，澳门永利✿◈ღ◈。中国500强企业✿◈ღ◈，澳门永利✿◈ღ◈，