j9九游会老哥俱乐部ღღ！J9官方ღღ，J9九游会ღღ，渔具J9游会ღღ，九游会j9登录ღღ，【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ღღ，正通过预测真实世界事件来评估AI的「预言」能力ღღ。

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

　　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风吹亚吉拉ღღ。

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

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

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

　　AI模型们利用搜索引擎ღღ，像侦探一样收集关于某个事件的新闻报道ღღ，整理成一份精炼的「情报简报」ღღ。同时ღღ，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ღღ。

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

　　事件结束ღღ，结果揭晓ღღ。会用一套专业的指标来评估AI的预测到底有多准ღღ，然后更新在一个实时排行榜上J9九游会官网ღღ。

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

　　除了上述两个核心指标外ღღ，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J9九游会官网ღღ，如项目反应理论（Item Response Theoryღღ，IRT）和广义Bradley-Terry（BT）模型ღღ。

　　比如一场温布尔登网球赛ღღ，赛前市场普遍认为选手保罗有84%的胜率风吹亚吉拉ღღ，甚至在开赛前一度攀升至95%J9九游会官网ღღ。

　　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ღღ，市场认为可能性只有25%ღღ。

　　保守派代表Llama 4 Maverickღღ：它也看到了同样的信息ღღ，但认为立法过程复杂又缓慢ღღ，所以只给出了比市场略高一点的35%ღღ。

　　例如在圣地亚哥与多伦多的美国职业足球大联盟比赛中ღღ，o3-mini在1美元的投注上获得了9美元的回报ღღ。

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

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

　　就像在上面那场足球赛中ღღ，市场认为多伦多队只有11%的胜算ღღ，但o3-mini经过分析认为有30%J9九游会官网ღღ。

　　数值越低（颜色越深的单元格）表示概率推理更接近一致ღღ；数值越高（颜色越浅的单元格）则表明分歧越大ღღ。

　　与Kimi K2ღღ、o3和Llama 4 Maverick等模型相比ღღ，它的L2距离始终高于0.7J9九游会官网ღღ，这表明其可能采用了不同的校准方式或内部决策机制ღღ。

　　在频谱的另一端ღღ，诸如Grok-4和GPT-5之类的模型经常作出高度一致的预测ღღ，L2距离通常低于0.3ღღ。

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

　　设想ღღ，AI系统将成为预测市场的积极参与者ღღ，将人类的直觉洞察与AI强大的数据分析能力相结合J9九游会官网ღღ，最终提升整个社会的集体远见ღღ，为那些高风险的决策提供更可靠的依据ღღ。

　　毕竟ღღ，如果说语言模型的下一步是预测下一个词风吹亚吉拉ღღ，那么它的终极形态风吹亚吉拉ღღ，或许就是预测这个真实世界的下一个事件ღღ。

　　特别声明ღღ：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布ღღ，本平台仅提供信息存储服务ღღ。

　　雷军深夜畅聊ღღ：小米是被黑最惨的车企之一ღღ；小米16改名17ღღ，产品力非常炸裂ღღ；国产汽车都在进步ღღ，没必要搞得很难看

　　理想i6正式上市ღღ：只有一个配置风吹亚吉拉ღღ，售价24.98万元ღღ，共5种颜色ღღ，发布会上展示车内吃泡面J9九游会官网ღღ、躺平

　　HighPoint Rocket 7638D发布 支持NVIDIA GPUDirect技术的PCIe交换机