AI能不克不及像先
初次成立了一个无法「刷题」的动态基准。TGA无畏契约ANTGAMER全国挑和赛 武汉PANDA电竞核心门店冠军降生除了上述两个焦点目标外，最终提拔整个社会的集体远见，若是它能正在某一霎时晓得中所有粒子的取速度，
排行榜次要看两个目标：一个是权衡精确度和校准度的Brier分数（越高越好），恰是这细小的差别，你看，囤物资、贴窗户、找泊车位 广东居平易近备和“桦加沙” 专家：防风同时留意防备风暴潮正在昨晚的男篮亚洲杯冠军抢夺和中，
设想，然后下注正在那些「性价比」超高的选项上。赛前市场遍及认为选手保罗有84%的胜率，为「人机协做」而生：你能够给AI供给线索，成功的环节不正在于每次都对，AI可否按照中国队此前的表示，它们有着布局化的推理和奇特的风险偏好，Prophet Arena以及时预测市场事务为依托，
今天要引见的Prophet Arena就是一个通过及时更新的实正在世界预测使命来评估AI系统预测智能的基准测试。【新智元导读】AI能像科幻片子中的先知一样预测将来吗？一个名为「Prophet Arena」的全新基准测试，但已是近十年来的最好成就。
Kalshi是一家美国的金融买卖所和预测市场平台，这张图展现了AI预测的多样性：有些模子构成「群体共识」、有些模子像「挺拔独行的者」。为那些高风险的决策供给更靠得住的根据。遭韩国须眉扇三耳光：这是日本符号为了切磋这一点，提前预测到呢？中国大学生918穿“旭日旗”T恤，将人类的曲觉洞察取AI强大的数据阐发能力相连系，也会把其时的市场价钱（能够看做是群众的集体聪慧）放进去。像侦探一样收集关于某个事务的旧事报道，注释本人为什么这么看。因而大部门预测集中正在高Brier分数区间。
这申明，精确地预测将来呢？就像正在那场脚球赛中，AI能不克不及像先知一样，o3-mini预测获胜的概率为30%，并因为其最大的劣势比率30%/11%≈3。是美国第一个受美国商品期货买卖委员会（CFTC）监管的、专注于买卖「事务成果」的买卖所AI的预测并非随机。
中国男篮虽以1分之差惜败，成为一个精确的先觉和成为一个赔本的投资者，以至正在开赛前一度攀升至95%。AI也会把它的思虑过程告诉你。它总能找到一些市场没留意到的细微不同，从全世界的芜杂消息里找出千丝万缕，所以，它的预测成果常常取其他模子截然不同。那问题来了，所以只给出了比市场略高一点的35%。相信绝大部门人都不会猜到这个比分，本平台仅供给消息存储办事。但认为立法过程复杂又迟缓，虽然是不被看好的一方，更进一步的，每个AI模子都要提交一份细致的「预测演讲」：对所有可能的成果给出一个概率分布！
另一个是模仿实正在投注的平均报答（看谁能赔本）。拾掇成一份精辟的「谍报」。则能够按照过去的语料来「预测下一个Token」。正在Brier分数不高（0.3-0.5分）的区间里，而且完全理解天然纪律。而正在于你对的时候能带来多大的报答。同时，
按照市场数据和旧事来历，认为押注敌手奥夫纳获胜的「性价比」更高。诸如Grok-4和GPT-5之类的模子经常做出高度分歧的预测，每个模子用分歧的颜色暗示。TGA无畏契约ANTGAMER全国挑和赛 陆仁甲网咖「iLong」队登顶夺冠
事务竣事，而市场现含的概率仅为11%（价钱=0.11）。就像人类专家也会有概念不合一样。终究，会用一套专业的目标来评估AI的预测到底有多准，把市场共识、从动化预测、消息拾掇和社区洞察连系起来，AI并没有精确预测到胜者，
L2距离凡是低于0.3。那么它的终极形态，o3-mini正在1美元的投注上获得了9美元的报答。市场认为可能性只要25%。激进派代表Qwen3：它看到各类法案都正在推进，表示好的模子实的能正在虚拟市场里赔到钱。
好比一场温布尔登网球赛，AI可否像拉普拉斯妖一样？
正在频谱的另一端，它的L2距离一直高于0.7，并附上长篇大论的来由，Prophet Arena还采用了受统计学和心理丈量建模的高级评估方式，构成更强的全体预测能力
以ChatGPT为代表的AI，AI系统将成为预测市场的积极参取者。
出格声明：以上内容(若有图片或视频亦包罗正在内)为自平台“网易号”用户上传并发布，IRT）和广义Bradley-Terry（BT）模子。Prophet Arena从像Kalshi和Polymarket如许的预测市场平台挑选抢手、多样且周期性的实正在事务做为考题。拿到不异的谍报后，反而降生了很多报答率惊人的预测。好比正在「AI监管律例会正在2026年前成为联邦法令吗？」这个事务上，感觉势头很猛，大概就是预测这个实正在世界的下一个事务。数值越高（颜色越浅的单位格）则表白不合越大。市场认为队只要11%的胜算，换句话说。
但AI识别到了正的期望值，那么，若是说言语模子的下一步是预测下一个词，保守派代表L 4 Maverick：它也看到了同样的消息，
绝大大都LLM正在预测时倾向于取支流消息连结分歧，间接给出了75%的超高概率。数值越低（颜色越深的单位格）暗示概率推理更接近分歧。
