k8凯发(中国)天生赢家·一触即发

　　AG凯发K8国际ag凯发旗舰厅★ღ◈，凯发K8官网★ღ◈，【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」能力伟哥中国官网★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伟哥中国官网★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★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）★ღ◈。

　　除了上述两个核心指标外天生赢家一触即发官方网站★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 Theory★ღ◈，IRT）和广义Bradley-Terry（BT）模型★ღ◈。

　　比如一场温布尔登网球赛天生赢家一触即发官方网站★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伟哥中国官网天生赢家一触即发官方网站★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）★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天生赢家一触即发官方网站★ღ◈，并由于其最大的优势比率30%/11%≈3天生赢家一触即发官方网站★ღ◈。

　　就像在上面那场足球赛中★ღ◈，市场认为多伦多队只有11%的胜算伟哥中国官网★ღ◈，但o3-mini经过分析认为有30%天生赢家一触即发官方网站★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 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」伟哥中国官网★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◈。