画册印刷✿★ღღღ。BETVLCTOR伟德官方网站名片印刷伟德国际BETVlCTOR✿★ღღღ，BETVLCTOR伟德官网下载1946✿★ღღღ，【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✿★ღღღ，正通过预测真实世界事件来评估AI的「预言」能力✿★ღღღ。
在昨晚的男篮亚洲杯冠军争夺战中✿★ღღღ，中国男篮虽以1分之差惜败澳大利亚✿★ღღღ，但已是近十年来的最好成绩✿★ღღღ！
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✿★ღღღ。
为「人机协作」而生✿★ღღღ：你可以给AI提供线索✿★ღღღ，看看它的预测如何变化✿★ღღღ；AI也会把它的思考过程告诉你鬼泽夫妇ep11鬼泽夫妇ep11✿★ღღღ。
Prophet Arena从像Kalshi和Polymarket这样的预测市场平台挑选热门✿★ღღღ、多样且周期性的真实事件作为考题✿★ღღღ。
Kalshi是一家美国的金融交易所和预测市场平台✿★ღღღ，是美国第一个受美国商品期货交易委员会（CFTC）监管的✿★ღღღ、专注于交易「事件结果」的交易所
AI模型们利用搜索引擎✿★ღღღ，像侦探一样收集关于某个事件的新闻报道✿★ღღღ，整理成一份精炼的「情报简报」✿★ღღღ。同时✿★ღღღ，也会把当时的市场价格（可以看作是群众的集体智慧）放进去鬼泽夫妇ep11✿★ღღღ。
拿到相同的情报后✿★ღღღ，每个AI模型都要提交一份详细的「预测报告」✿★ღღღ：对所有可能的结果给出一个概率分布✿★ღღღ，并附上长篇大论的理由✿★ღღღ，解释自己为什么这么看✿★ღღღ。
事件结束✿★ღღღ，结果揭晓✿★ღღღ。会用一套专业的指标来评估AI的预测到底有多准✿★ღღღ，然后更新在一个实时排行榜上✿★ღღღ。
排行榜主要看两个指标✿★ღღღ：一个是衡量准确度和校准度的Brier分数（越高越好）鬼泽夫妇ep11✿★ღღღ，另一个是模拟真实投注的平均回报（看谁能赚钱）伟德BV网页版伟德BV网页版✿★ღღღ。
除了上述两个核心指标外✿★ღღღ，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✿★ღღღ，如项目反应理论（Item Response Theory✿★ღღღ，IRT）和广义Bradley-Terry（BT）模型✿★ღღღ。
比如一场温布尔登网球赛✿★ღღღ，赛前市场普遍认为选手保罗有84%的胜率✿★ღღღ，甚至在开赛前一度攀升至95%✿★ღღღ。
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✿★ღღღ，市场认为可能性只有25%✿★ღღღ。
保守派代表Llama 4 Maverick✿★ღღღ：它也看到了同样的信息✿★ღღღ，但认为立法过程复杂又缓慢伟德BV网页版✿★ღღღ，所以只给出了比市场略高一点的35%✿★ღღღ。
例如在圣地亚哥与多伦多的美国职业足球大联盟比赛中伟德BV网页版✿★ღღღ，o3-mini在1美元的投注上获得了9美元的回报✿★ღღღ。
根据市场数据和新闻来源✿★ღღღ，o3-mini预测多伦多获胜的概率为30%✿★ღღღ，而市场隐含的概率仅为11%（价格=0.11）✿★ღღღ。
尽管多伦多是不被看好的一方✿★ღღღ，但AI识别到了正的期望值✿★ღღღ，并由于其最大的优势比率30%/11%≈3鬼泽夫妇ep11✿★ღღღ。
就像在上面那场足球赛中✿★ღღღ，市场认为多伦多队只有11%的胜算✿★ღღღ，但o3-mini经过分析认为有30%✿★ღღღ。
数值越低（颜色越深的单元格）表示概率推理更接近一致✿★ღღღ；数值越高（颜色越浅的单元格）则表明分歧越大✿★ღღღ。
与Kimi K2✿★ღღღ、o3和Llama 4 Maverick等模型相比✿★ღღღ，它的L2距离始终高于0.7鬼泽夫妇ep11✿★ღღღ，这表明其可能采用了不同的校准方式或内部决策机制✿★ღღღ。
在频谱的另一端伟德BV网页版✿★ღღღ，诸如Grok-4和GPT-5之类的模型经常作出高度一致的预测鬼泽夫妇ep11✿★ღღღ，L2距离通常低于0.3伟德BV网页版✿★ღღღ。
换句话说✿★ღღღ，这张图展示了AI预测的多样性✿★ღღღ：有些模型形成「群体共识」✿★ღღღ、有些模型像「特立独行的异议者」✿★ღღღ。
设想✿★ღღღ，AI系统将成为预测市场的积极参与者✿★ღღღ，将人类的直觉洞察与AI强大的数据分析能力相结合✿★ღღღ，最终提升整个社会的集体远见✿★ღღღ，为那些高风险的决策提供更可靠的依据✿★ღღღ。
毕竟✿★ღღღ，如果说语言模型的下一步是预测下一个词✿★ღღღ，那么它的终极形态✿★ღღღ，或许就是预测这个真实世界的下一个事件✿★ღღღ。
