【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◈◈ღ★，正通过预测真实世界事件来评估AI的「预言」能力◈◈ღ★。

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

　　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◈◈ღ★。

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

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

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

　　AI模型们利用搜索引擎新利18◈◈ღ★，像侦探一样收集关于某个事件的新闻报道◈◈ღ★，整理成一份精炼的「情报简报」◈◈ღ★。同时新利体育官网◈◈ღ★，也会把当时的市场价格（可以看作是群众的集体智慧）放进去芭比视频下载app最新版ios◈◈ღ★。

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

　　事件结束◈◈ღ★，结果揭晓芭比视频下载app最新版ios◈◈ღ★。会用一套专业的指标来评估AI的预测到底有多准◈◈ღ★，然后更新在一个实时排行榜上新利体育◈◈ღ★，新利体育官网◈◈ღ★，◈◈ღ★。

　　排行榜主要看两个指标◈◈ღ★：一个是衡量准确度和校准度的Brier分数（越高越好）18luck新利体育◈◈ღ★，◈◈ღ★，另一个是模拟真实投注的平均回报（看谁能赚钱）◈◈ღ★。

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

　　比如一场温布尔登网球赛新利体育官网◈◈ღ★，赛前市场普遍认为选手保罗有84%的胜率芭比视频下载app最新版ios◈◈ღ★，甚至在开赛前一度攀升至95%◈◈ღ★。

　　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◈◈ღ★，市场认为可能性只有25%新利体育官网◈◈ღ★。

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

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

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

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

　　就像在上面那场足球赛中◈◈ღ★，市场认为多伦多队只有11%的胜算新利18娱乐官网登陆◈◈ღ★。◈◈ღ★，但o3-mini经过分析认为有30%新利18官网◈◈ღ★。

　　数值越低（颜色越深的单元格）表示概率推理更接近一致◈◈ღ★；数值越高（颜色越浅的单元格）则表明分歧越大芭比视频下载app最新版ios◈◈ღ★。

　　与Kimi K2◈◈ღ★、o3和Llama 4 Maverick等模型相比◈◈ღ★，它的L2距离始终高于0.7芭比视频下载app最新版ios◈◈ღ★，这表明其可能采用了不同的校准方式或内部决策机制◈◈ღ★。

　　在频谱的另一端芭比视频下载app最新版ios◈◈ღ★，诸如Grok-4和GPT-5之类的模型经常作出高度一致的预测◈◈ღ★，L2距离通常低于0.3◈◈ღ★。

　　换句话说◈◈ღ★，这张图展示了AI预测的多样性◈◈ღ★：有些模型形成「群体共识」芭比视频下载app最新版ios18luck新利体育手机版◈◈ღ★、有些模型像「特立独行的异议者」新利体育官网◈◈ღ★。

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

　　毕竟◈◈ღ★，如果说语言模型的下一步是预测下一个词芭比视频下载app最新版ios◈◈ღ★，那么它的终极形态◈◈ღ★，或许就是预测这个真实世界的下一个事件◈◈ღ★。