【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✿✿。

　　在昨晚的男篮亚洲杯冠军争夺战中✿✿，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✿✿，看看它的预测如何变化✿✿；AI也会把它的思考过程告诉你✿✿。

　　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✿✿，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）放进去凯发k8国际首页✿✿。

　　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✿✿，并附上长篇大论的理由✿✿，解释自己为什么这么看单挑王破解方法凯发k8国际首页✿✿。

　　事件结束✿✿，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✿✿，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%的胜率单挑王破解方法✿✿，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？」这个事件上单挑王破解方法✿✿，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单挑王破解方法✿✿，所以只给出了比市场略高一点的35%单挑王破解方法✿✿。

　　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✿✿。

　　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凯发k8国际首页✿✿，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%凯发k8国际首页✿✿。

　　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✿✿。

　　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」✿✿。

　　设想凯发k8国际首页✿✿，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✿✿，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单挑王破解方法凯发k8国际首页✿✿，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✿✿。凯发k8国际首页登录✿✿，私募基金凯发在线平台✿✿，凯发k8国际(中国)官方网站·一触即发凯发k8国际凯发k8官网登录vip✿✿，k8凯发天生赢家一触即发✿✿！