j9九游会★◈，自动化流程★◈，j9九游会官方登录j9九游会官方网站★◈。九游会j9J9九游★◈，九游会j9官方网站★◈。九游会官网J9★◈。【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」能力河北财达大智慧★◈。

　　在昨晚的男篮亚洲杯冠军争夺战中河北财达大智慧★◈，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提供线索河北财达大智慧★◈，看看它的预测如何变化★◈；AI也会把它的思考过程告诉你j9九游会老哥俱乐部★◈。

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

　　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★◈，像侦探一样收集关于某个事件的新闻报道j9九游会老哥俱乐部★◈，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★◈。

　　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j9九游会老哥俱乐部★◈，并附上长篇大论的理由★◈，解释自己为什么这么看★◈。

　　事件结束河北财达大智慧★◈，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j9九游会老哥俱乐部★◈，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★◈，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★◈，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★◈，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★◈，o3-mini在1美元的投注上获得了9美元的回报j9九游会老哥俱乐部★◈。

　　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%j9九游会老哥俱乐部★◈。

　　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★◈，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j9九游会老哥俱乐部★◈。

　　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★◈，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河北财达大智慧★◈，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j9九游会老哥俱乐部★◈，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★◈。