尊龙凯时- 人生就是搏!ღღღ★，常用镜头ღღღ★，新闻摄影建筑摄影尊龙人生就是博官网登录【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ღღღ★，正通过预测真实世界事件来评估AI的「预言」能力ღღღ★。

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

　　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ღღღ★。

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

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

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

　　AI模型们利用搜索引擎ღღღ★，像侦探一样收集关于某个事件的新闻报道打工仔买房记下载ღღღ★，整理成一份精炼的「情报简报」ღღღ★。同时ღღღ★，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ღღღ★。

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

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

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

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

　　比如一场温布尔登网球赛ღღღ★，赛前市场普遍认为选手保罗有84%的胜率ღღღ★，甚至在开赛前一度攀升至95%ღღღ★。

　　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ღღღ★，市场认为可能性只有25%ღღღ★。

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

　　例如在圣地亚哥与多伦多的美国职业足球大联盟比赛中ღღღ★，o3-mini在1美元的投注上获得了9美元的回报打工仔买房记下载ღღღ★。

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

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

　　就像在上面那场足球赛中ღღღ★，市场认为多伦多队只有11%的胜算打工仔买房记下载ღღღ★，但o3-mini经过分析认为有30%ღღღ★。

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

　　与Kimi K2ღღღ★、o3和Llama 4 Maverick等模型相比打工仔买房记下载ღღღ★，它的L2距离始终高于0.7ღღღ★，这表明其可能采用了不同的校准方式或内部决策机制ღღღ★。

　　在频谱的另一端ღღღ★，诸如Grok-4和GPT-5之类的模型经常作出高度一致的预测打工仔买房记下载ღღღ★，L2距离通常低于0.3ღღღ★。

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

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

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