澳门太阳集团官网AI版华尔|面对面视频游戏365|街之狼！o3-mini靠「神之
2025-11-27 22:39:00 太阳集团电子游戏制药
suncitygroup集团★◈◈！suncitygroup太阳成(中国)集团★◈◈，suncitygroup太阳成官方网站★◈◈，【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面对面视频游戏365澳门太阳集团官网★◈◈，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面对面视频游戏365★◈◈。
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」面对面视频游戏365★◈◈。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★◈◈。
拿到相同的情报后面对面视频游戏365★◈◈，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★◈◈。
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★◈◈，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★◈◈，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澳门太阳集团官网★◈◈，但认为立法过程复杂又缓慢★◈◈，所以只给出了比市场略高一点的35%★◈◈。
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美元的回报澳门太阳集团官网★◈◈。
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%澳门太阳集团官网★◈◈，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★◈◈，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面对面视频游戏365★◈◈。
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%★◈◈。
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）则表明分歧越大澳门太阳集团官网★◈◈。
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★◈◈，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★◈◈，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★◈◈。
下一篇： 没有了
版权所有：吉林太阳集团电子游戏药业集团股份有限公司
