【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」能力结夜◈★◈。

　　在昨晚的男篮亚洲杯冠军争夺战中结夜◈★◈，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公海赌赌船官网jc710◈★◈、多样且周期性的真实事件作为考题公海赌赌船官网jc710◈★◈。

　　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公海赌赌船官网jc710◈★◈，像侦探一样收集关于某个事件的新闻报道◈★◈，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）放进去公海赌赌船官网jc710◈★◈。

　　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）◈★◈，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结夜◈★◈，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%的胜率公海赌赌船官网jc710◈★◈，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公海赌赌船官网jc710◈★◈，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结夜◈★◈，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等模型相比结夜◈★◈，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◈★◈。

　　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」◈★◈。

　　设想公海赌赌船官网jc710◈★◈，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◈★◈。公海赌赌船官网公海赌赌船710◈★◈，公海◈★◈，旅游探亲◈★◈。出国手续◈★◈！欢迎来到公海手机版710◈★◈，公海赌网平台公海赌赌船710检测路线