不朽情缘官方网站-APP下载

　　mg电子✿ღ★ღ，永续发展✿ღ★ღ，不朽情缘游戏网站登录✿ღ★ღ，不朽情缘app下载✿ღ★ღ！【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★ღ，正通过预测真实世界事件来评估AI的「预言」能力✿ღ★ღ。

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

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

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

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

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

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

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

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

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

　　比如一场温布尔登网球赛✿ღ★ღ，赛前市场普遍认为选手保罗有84%的胜率✿ღ★ღ，甚至在开赛前一度攀升至95%✿ღ★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★ღ，市场认为可能性只有25%✿ღ★ღ。

　　保守派代表Llama 4 Maverick✿ღ★ღ：它也看到了同样的信息✿ღ★ღ，但认为立法过程复杂又缓慢✿ღ★ღ，所以只给出了比市场略高一点的35%✿ღ★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濑亚美莉qvod不朽情缘不朽情缘✿ღ★ღ，o3-mini在1美元的投注上获得了9美元的回报✿ღ★ღ。

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

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

　　就像在上面那场足球赛中✿ღ★ღ，市场认为多伦多队只有11%的胜算✿ღ★ღ，但o3-mini经过分析认为有30%✿ღ★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★ღ；数值越高（颜色越浅的单元格）则表明分歧越大濑亚美莉qvod✿ღ★ღ。

　　与Kimi K2✿ღ★ღ、o3和Llama 4 Maverick等模型相比✿ღ★ღ，它的L2距离始终高于0.7✿ღ★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★ღ。

　　在频谱的另一端濑亚美莉qvod濑亚美莉qvod✿ღ★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★ღ，L2距离通常低于0.3不朽情缘✿ღ★ღ。

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

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

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