【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✿★★，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188bet金宝搏·中国官网188bet金宝搏·中国官网✿★★。

　　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波肖门尾图✿★★，整理成一份精炼的「情报简报」✿★★。同时波肖门尾图✿★★，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✿★★，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188bet金宝搏·中国官网✿★★，并附上长篇大论的理由波肖门尾图✿★★，解释自己为什么这么看波肖门尾图✿★★。

　　事件结束✿★★，结果揭晓188bet金宝搏·中国官网✿★★。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）波肖门尾图✿★★。

　　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188bet金宝搏·中国官网✿★★，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✿★★，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✿★★。

　　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%✿★★，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✿★★。

　　就像在上面那场足球赛中✿★★，市场认为多伦多队只有11%的胜算波肖门尾图✿★★，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✿★★。

　　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波肖门尾图✿★★。

　　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波肖门尾图✿★★，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188bet金宝搏·中国官网✿★★。金宝搏188APP✿★★，188BET金宝搏亚洲真人体育✿★★，工业自动化金宝搏188官网app网址✿★★。