尽管多伦多是不被看好的一方？期货交易时间表

　　尽管多伦多是不被看好的一方？期货交易时间表【新智元导读】AI能像科幻片子中的先知一律预测他日吗？一个名为「Prophet Arena」的全新基准测试，正通过预测确切寰宇事项来评估AI的「预言」才具。

　　以ChatGPT为代外的AI，则可能遵照过去的语料来「预测下一个Token」。

　　那题目来了，AI能不行像先知一律，从全寰宇的错杂讯息里寻找蛛丝马迹，确实地预测他日呢？

　　正在昨晚的男篮亚洲杯冠军夺取战中，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成效！

　　信托绝大个人人都不会猜到这个比分，那么，AI能否遵照中邦队此前的涌现，提前预测到呢？

　　更进一步的，AI能否像拉普拉斯妖一律，正在获取了当来世界的一起讯息后，精准预测他日的完全？

　　倘若它能正在某一刹那清爽宇宙中一起粒子的职位与速率，而且全部贯通自然纪律。

　　本日要先容的Prophet Arena便是一个通过及时更新简直切寰宇预测职分来评估AI编制预测智能的基准测试。

　　把商场共鸣、主动化预测、讯息拾掇和社区洞察团结起来，造成更强的举座预测才具

　　为「人机合营」而生：你可能给AI供给线索，看看它的预测奈何转移；AI也会把它的推敲历程告诉你。

　　直面确切寰宇：AI的预测直接与确切的投注决定挂钩，涌现好的模子真的能正在虚拟商场里赚到钱。

　　Prophet Arena以及时预测商场事项为依托，初次修筑了一个无法「刷题」的动态基准。

　　Prophet Arena从像Kalshi和Polymarket如此的预测商场平台挑选热门、众样且周期性简直切事项动作考题。

　　Kalshi是一家美邦的金融来往所和预测商场平台，是美邦第一个受美邦商品期货来往委员会（CFTC）禁锢的、专一于来往「事项结果」的来往所

　　AI模子们行使探寻引擎，像侦探一律搜罗闭于某个事项的音讯报道，拾掇成一份精华的「谍报简报」。同时，也会把当时的商场价钱（可能看作是大伙的全体灵巧）放进去。

　　拿到相通的谍报后，每个AI模子都要提交一份精确的「预测呈报」：对一起可以的结果给出一个概率散布，并附上长篇大论的道理，讲明自身为什么这么看。

　　事项中断，结果揭晓。会用一套专业的目标来评估AI的预测终究有众准，然后更新正在一个及时排行榜上。

　　排行榜紧要看两个目标：一个是权衡确实度和校准度的Brier分数（越高越好），另一个是模仿确切投注的均匀回报（看谁能赢利）。

　　除了上述两个焦点目标外，Prophet Arena还采用了受统计学和情绪丈量修模诱导的高级评估伎俩，如项目响应外面（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，反而降生了很众回报率惊人的预测。

　　好比一场温布尔登网球赛，赛前商场一般以为选手保罗有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并没有确实预测到胜者，是以它简直实度分数（Brier分数）很通常。

　　这证明，成为一个确实的先知和成为一个赢利的投资者，是两种不全部相通的工夫。

　　为了研商这一点，检讨了每个Brier得分区间的模子组成，每个模子用分歧的颜色吐露。

　　绝民众半LLM正在预测时方向于与主流讯息维系类似，是以大个人预测纠合正在高Brier分数区间。

　　好比正在「AI禁锢规矩会正在2026年前成为联邦功令吗？」这个事项上，商场以为可以性唯有25%。

　　激进派代外Qwen3：它看到各类法案都正在促进，感触势头很猛，直接给出了75%的超高概率。

　　顽固派代外Llama 4 Maverick：它也看到了同样的讯息，但以为立法历程杂乱又迂缓，是以只给出了比商场略高一点的35%。

　　AI的预测并非随机，它们有着机闭化的推理和特殊的危险偏好，就像人类专家也会有观念分化一律。

　　比如正在圣地亚哥与众伦众的美邦职业足球大同盟竞赛中，o3-mini正在1美元的投注上得回了9美元的回报。

　　遵照商场数据和音讯开头，o3-mini预测众伦众获胜的概率为30%，而商场隐含的概率仅为11%（价钱=0.11）。

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

　　它总能找到少少商场没预防到的渺小差异，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，商场以为众伦众队唯有11%的胜算，但o3-mini始末明白以为有30%。

　　是以，正在预测的寰宇里，胜利的闭头不正在于每次都对，而正在于你对的时刻能带来众大的回报。

　　数值越低（颜色越深的单位格）吐露概率推理更挨近类似；数值越高（颜色越浅的单位格）则阐明分化越大。

　　此中一个卓越的模子是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隔绝永远高于0.7，这阐明其可以采用了分歧的校准方法或内部决定机制。

　　正在频谱的另一端，诸如Grok-4和GPT-5之类的模子每每作出高度类似的预测，L2隔绝寻常低于0.3。

　　换句话说，这张图涌现了AI预测的众样性：有些模子造成「群体共鸣」、有些模子像「特立独行的反对者」。

　　设思，AI编制将成为预测商场的主动列入者，将人类的直觉洞察与AI健壮的数据明白才具相团结，最终擢升全豹社会的全体远睹，为那些高危险的决定供给更牢靠的凭借。

　　究竟，倘若说叙话模子的下一步是预测下一个词，那么它的终极形状，或者便是预测这个确切寰宇的下一个事项。