因此大部分预测集中在高Brier分数区间同花顺期货【新智元导读】AI能像科幻影戏中的先知相同预测他日吗？一个名为「Prophet Arena」的全新基准测试，正通过预测确凿全邦变乱来评估AI的「预言」本领。

　　以ChatGPT为代外的AI，则能够依照过去的语料来「预测下一个Token」。

　　那题目来了，AI能不行像先知相同，从全全邦的凌乱音讯里寻找蛛丝马迹，切实地预测他日呢？

　　正在昨晚的男篮亚洲杯冠军掠夺战中，中邦男篮虽以1分之差惜败澳大利亚，但已是近十年来的最好收获！

　　坚信绝大部门人都不会猜到这个比分，那么，AI能否依照中邦队此前的体现，提前预测到呢？

　　更进一步的，AI能否像拉普拉斯妖相同，正在获取了当来世界的完全音讯后，切确预测他日的整个？

　　倘若它能正在某一倏得清晰宇宙中完全粒子的职位与速率，而且统统通晓自然顺序。

　　这日要先容的Prophet Arena即是一个通过及时更新简直凿全邦预测职业来评估AI体系预测智能的基准测试。

　　把墟市共鸣、主动化预测、音讯收拾和社区洞察团结起来，酿成更强的满堂预测本领

　　为「人机配合」而生：你能够给AI供给线索，看看它的预测怎样改观；AI也会把它的思索经过告诉你。

　　直面确凿全邦：AI的预测直接与确凿的投注决定挂钩，体现好的模子真的能正在虚拟墟市里赚到钱。

　　Prophet Arena以及时预测墟市变乱为依托，初度树立了一个无法「刷题」的动态基准。

　　Prophet Arena从像Kalshi和Polymarket如许的预测墟市平台挑选热门、众样且周期性简直凿变乱动作考题。

　　Kalshi是一家美邦的金融业务所和预测墟市平台，是美邦第一个受美邦商品期货业务委员会（CFTC）禁锢的、埋头于业务「变乱结果」的业务所

　　AI模子们欺骗寻找引擎，像侦探相同网罗闭于某个变乱的消息报道，收拾成一份精辟的「谍报简报」。同时，也会把当时的墟市代价（能够看作是公众的团体聪敏）放进去。

　　拿到雷同的谍报后，每个AI模子都要提交一份精确的「预测通知」：对完全不妨的结果给出一个概率散布，并附上长篇大论的来由，阐明自身为什么这么看。

　　变乱解散，结果揭晓。会用一套专业的目标来评估AI的预测终归有众准，然后更新正在一个及时排行榜上。

　　排行榜闭键看两个目标：一个是量度切实度和校准度的Brier分数（越高越好），另一个是模仿确凿投注的均匀回报（看谁能赢利）。

　　除了上述两个中枢目标外，Prophet Arena还采用了受统计学和心思衡量筑模诱导的高级评估措施，如项目反映外面（Item Response Theory，IRT）和广义Bradley-Terry（BT）模子。

　　正在Brier分数不高（0.3-0.5分）的区间里，反而出生了很众回报率惊人的预测。

　　好比一场温布尔登网球赛，赛前墟市普及以为选手保罗有84%的胜率，乃至正在开赛前一度攀升至95%。

　　恰是这细微的不同，让模子不才注时，以为押注敌手奥夫纳获胜的「性价比」更高。

　　你看，AI并没有切实预测到胜者，是以它的切实度分数（Brier分数）很凡是。

　　这申明，成为一个切实的先知和成为一个赢利的投资者，是两种不统统雷同的技巧。

　　为了探求这一点，查抄了每个Brier得分区间的模子组成，每个模子用分歧的颜色体现。

　　绝大大批LLM正在预测时偏向于与主流音讯维系一概，是以大部门预测鸠合正在高Brier分数区间。

　　好比正在「AI禁锢法例会正在2026年前成为联邦国法吗？」这个变乱上，墟市以为不妨性唯有25%。

　　激进派代外Qwen3：它看到各式法案都正在胀动，以为势头很猛，直接给出了75%的超高概率。

　　顽固派代外Llama 4 Maverick：它也看到了同样的音讯，但以为立法经过庞大又迟钝，是以只给出了比墟市略高一点的35%。

　　AI的预测并非随机，它们有着机闭化的推理和奇特的危机偏好，就像人类专家也会有见识分裂相同。

　　比如正在圣地亚哥与众伦众的美邦职业足球大定约竞争中，o3-mini正在1美元的投注上得到了9美元的回报。

　　依照墟市数据和消息泉源，o3-mini预测众伦众获胜的概率为30%，而墟市隐含的概率仅为11%（代价=0.11）。

　　尽量众伦众是不被看好的一方，但AI识别到了正的生机值，并因为其最大的上风比率30%/11%≈3。

　　它总能找到少许墟市没谨慎到的轻细不同，然后下注正在那些「性价比」超高的选项上。

　　就像正在上面那场足球赛中，墟市以为众伦众队唯有11%的胜算，但o3-mini源委阐明以为有30%。

　　是以，正在预测的全邦里，告成的症结不正在于每次都对，而正在于你对的时间能带来众大的回报。

　　数值越低（颜色越深的单位格）体现概率推理更亲密一概；数值越高（颜色越浅的单位格）则声明分裂越大。

　　个中一个了得的模子是DeepSeek R1，它的预测结果一再与其他模子天渊之别。

　　与Kimi K2、o3和Llama 4 Maverick等模子比拟，它的L2间隔永远高于0.7，这声明其不妨采用了分歧的校准形式或内部决定机制。

　　正在频谱的另一端，诸如Grok-4和GPT-5之类的模子常常作出高度一概的预测，L2间隔常常低于0.3。

　　换句话说，这张图闪现了AI预测的众样性：有些模子酿成「群体共鸣」、有些模子像「特立独行的反驳者」。

　　设思，AI体系将成为预测墟市的踊跃参加者，将人类的直觉洞察与AI健壮的数据阐明本领相团结，最终擢升总共社会的团体远睹，为那些高危机的决定供给更牢靠的凭借。

　　结果，倘若说讲话模子的下一步是预测下一个词，那么它的终极形式，也许即是预测这个确凿全邦的下一个变乱。

　　格外声明：以上实质(如有图片或视频亦网罗正在内)为自媒体平台“网易号”用户上传并宣布，本平台仅供给音讯存储办事。

　　70岁米歇尔剖明52岁巩俐：嫁给我，我年入5亿！巩俐：我每周做4次有氧运动，你跟得上吗？

　　3172人！南京大学2026年吸收推举免试商量生拟入选名单公示，新环境显示

　　ColorOS 16正式版已推送：11款机型尝鲜升级，你的机型正在内吗？

　　iQOO Neo11已正式宣布：比较iQOO Neo10，终归有众少擢升？

　　vivo X300s：搭配6.6英寸屏！vivo X300 Ultra：6.8英寸屏！

转载请注明出处。