beat365·(中国)官方网站✿ღ，beat365官方✿ღ，365beat版app✿ღ，365best体育官网入口✿ღ。beat365下载【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beat365官方网站✿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beat365官方网站✿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）监管的哔哩哔哩隐藏的肉片人肉片beat365官方网站✿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beat365官方网站✿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）beat365官方网站✿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beat365官方网站✿ღ，如项目反应理论（Item Response Theory✿ღ，IRT）和广义Bradley-Terry（BT）模型哔哩哔哩隐藏的肉片人肉片✿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%哔哩哔哩隐藏的肉片人肉片✿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beat365官方网站✿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）哔哩哔哩隐藏的肉片人肉片✿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）则表明分歧越大哔哩哔哩隐藏的肉片人肉片✿ღ。

　　与Kimi K2✿ღ、o3和Llama 4 Maverick等模型相比✿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。

　　毕竟哔哩哔哩隐藏的肉片人肉片✿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。