品牌故事ღ★ღ✿✿。真人游戏第一品牌ღ★ღ✿✿，J9九游国际站ღ★ღ✿✿，j9国际ღ★ღ✿✿，ag九游会官方ღ★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★ღ✿✿，正通过预测真实世界事件来评估AI的「预言」能力ღ★ღ✿✿。

　　在昨晚的男篮亚洲杯冠军争夺战中ღ★ღ✿✿，中国男篮虽以1分之差惜败澳大利亚ღ★ღ✿✿，但已是近十年来的最好成绩ღ★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★ღ✿✿。

　　为「人机协作」而生ღ★ღ✿✿：你可以给AI提供线索ღ★ღ✿✿，看看它的预测如何变化ღ★ღ✿✿；AI也会把它的思考过程告诉你ღ★ღ✿✿。

　　Prophet Arena从像Kalshi和Polymarket这样的预测市场平台挑选热门济公活佛4ღ★ღ✿✿、多样且周期性的真实事件作为考题ღ★ღ✿✿。

　　Kalshi是一家美国的金融交易所和预测市场平台ღ★ღ✿✿，是美国第一个受美国商品期货交易委员会（CFTC）监管的ღ★ღ✿✿、专注于交易「事件结果」的交易所

　　AI模型们利用搜索引擎济公活佛4ღ★ღ✿✿，像侦探一样收集关于某个事件的新闻报道j9国际ღ★ღ✿✿，整理成一份精炼的「情报简报」j9国际ღ★ღ✿✿。同时ღ★ღ✿✿，也会把当时的市场价格（可以看作是群众的集体智慧）放进去济公活佛4ღ★ღ✿✿。

　　拿到相同的情报后ღ★ღ✿✿，每个AI模型都要提交一份详细的「预测报告」ღ★ღ✿✿：对所有可能的结果给出一个概率分布ღ★ღ✿✿，并附上长篇大论的理由ღ★ღ✿✿，解释自己为什么这么看ღ★ღ✿✿。

　　事件结束ღ★ღ✿✿，结果揭晓ღ★ღ✿✿。会用一套专业的指标来评估AI的预测到底有多准ღ★ღ✿✿，然后更新在一个实时排行榜上ღ★ღ✿✿。

　　排行榜主要看两个指标ღ★ღ✿✿：一个是衡量准确度和校准度的Brier分数（越高越好）ღ★ღ✿✿，另一个是模拟真实投注的平均回报（看谁能赚钱）ღ★ღ✿✿。

　　除了上述两个核心指标外ღ★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★ღ✿✿，如项目反应理论（Item Response Theoryღ★ღ✿✿，IRT）和广义Bradley-Terry（BT）模型ღ★ღ✿✿。

　　比如一场温布尔登网球赛ღ★ღ✿✿，赛前市场普遍认为选手保罗有84%的胜率j9国际ღ★ღ✿✿，甚至在开赛前一度攀升至95%ღ★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★ღ✿✿，市场认为可能性只有25%j9国际ღ★ღ✿✿。

　　保守派代表Llama 4 Maverickღ★ღ✿✿：它也看到了同样的信息ღ★ღ✿✿，但认为立法过程复杂又缓慢ღ★ღ✿✿，所以只给出了比市场略高一点的35%济公活佛4ღ★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★ღ✿✿，o3-mini在1美元的投注上获得了9美元的回报ღ★ღ✿✿。

　　根据市场数据和新闻来源ღ★ღ✿✿，o3-mini预测多伦多获胜的概率为30%济公活佛4ღ★ღ✿✿，而市场隐含的概率仅为11%（价格=0.11）ღ★ღ✿✿。

　　尽管多伦多是不被看好的一方ღ★ღ✿✿，但AI识别到了正的期望值ღ★ღ✿✿，并由于其最大的优势比率30%/11%≈3j9国际ღ★ღ✿✿。

　　就像在上面那场足球赛中ღ★ღ✿✿，市场认为多伦多队只有11%的胜算ღ★ღ✿✿，但o3-mini经过分析认为有30%ღ★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★ღ✿✿；数值越高（颜色越浅的单元格）则表明分歧越大ღ★ღ✿✿。

　　与Kimi K2ღ★ღ✿✿、o3和Llama 4 Maverick等模型相比ღ★ღ✿✿，它的L2距离始终高于0.7ღ★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★ღ✿✿。

　　在频谱的另一端ღ★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★ღ✿✿，L2距离通常低于0.3ღ★ღ✿✿。

　　换句话说ღ★ღ✿✿，这张图展示了AI预测的多样性ღ★ღ✿✿：有些模型形成「群体共识」ღ★ღ✿✿、有些模型像「特立独行的异议者」ღ★ღ✿✿。

　　设想ღ★ღ✿✿，AI系统将成为预测市场的积极参与者ღ★ღ✿✿，将人类的直觉洞察与AI强大的数据分析能力相结合ღ★ღ✿✿，最终提升整个社会的集体远见济公活佛4ღ★ღ✿✿，为那些高风险的决策提供更可靠的依据ღ★ღ✿✿。

　　毕竟ღ★ღ✿✿，如果说语言模型的下一步是预测下一个词ღ★ღ✿✿，那么它的终极形态ღ★ღ✿✿，或许就是预测这个真实世界的下一个事件ღ★ღ✿✿。

九游会老哥必备的交流社区_俱乐部论坛帖子| http://www.573cq.com