神之押注」狂赚9倍DeepSeek R1最特立独行冰球突破游戏AI版华尔街之狼！o3-mini靠「
正是这微小的差异▽●◇•★，让模型在下注时-▼•=，认为押注对手奥夫纳获胜的「性价比」更高▽●◇。
那问题来了▽○，AI能不能像先知一样★☆△…日申购：林泰新材冰球突破技巧今 公司是一家专业从事汽车自动变速器摩擦片研发▽△◁、生产和销售的专精特新企业•，主要产品为自动变速器湿式纸基摩擦片和对偶片••●，应用于包括液力自动变速器（A 更多 日申购：林泰新材冰球突破技巧今，，从全世界的杂乱信息里找出蛛丝马迹△▷▲◁•，准确地预测未来呢△◆▪◁●•？
绝大多数LLM在预测时倾向于与主流信息保持一致●▲◇-，因此大部分预测集中在高Brier分数区间…◆•=-◁。
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%●▽。
为了探讨这一点■=▼，检查了每个Brier得分区间的模型构成-◇-□▽◆，每个模型用不同的颜色表示▲◇。
相信绝大部分人都不会猜到这个比分▲▽◁=•，那么☆●，AI能否根据中国队此前的表现●▪…◇■▪，到呢◇▲☆○？
直面真实世界•□▽：AI的预测直接与真实的投注决策挂钩★○▼，表现好的模型真的能在虚拟市场里赚到钱=▲。
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）◁□○••。
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•-○。
Prophet Arena以实时预测市场事件为依托☆--▽，首次建立了一个无法「刷题」的动态基准▪●▲◁。
【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-◇◆。
AI的预测并非随机◇◇△★…，激进派代表Qwen3▼□■◁◇•：它看到各种法案都在推进•◁□▼▪△，觉得势头很猛○□▪•，就像人类专家也会有观点分歧一样□●▲★◇。它们有着结构化的推理和独特的风险偏好△○，直接给出了75%的超高概率△=■◇▪☆。
以ChatGPT为代表的AI▽▪●◁•☆，则可以根据过去的语料来「预测下一个Token」◇▷。
它总能找到一些市场没注意到的细微差别●◆▷○▼□，然后下注在那些「性价比」超高的选项上◇◁◇=◇▽。
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
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%◁…●。
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★=-▷□…。
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」★•。
这说明◁▲□◆☆=，成为一个准确的预言家和成为一个赚钱的投资者◇…○▪□，是两种不完全相同的技能◇…■。
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◇•▽◇◇。
如果它能在某一瞬间知道宇宙中所有粒子的位置与速度◁▼•=▽，并且完全理解自然规律★▷◁•△○。
把市场共识☆★▼○•△、自动化预测-=□■、信息整理和社区洞察结合起来▷◁■◆，形成更强的整体预测能力
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•▲◁。
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▪▷▼。
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冰球突破游戏△◇••，如项目反应理论（Item Response Theory▽•○，IRT）和广义Bradley-Terry（BT）模型•□■。
你看◆•▽▽○，AI并没有准确预测到胜者•●•，所以它的准确度分数（Brier分数）很一般•◁▽=△。
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」=◆▼…▲◇。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=▪▲…▪•。
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○▲。
所以…=◁●◁☆，在预测的世界里▼☆▲•▼•，成功的关键不在于每次都对▽●，而在于你对的时候能带来多大的回报△▷▽。
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Brier分数不高（0★●◆★.3-0◁◆◁.5分）的区间里▲△◁■△，反而诞生了许多回报率惊人的预测=●…★。
尽管多伦多是不被看好的一方◁◇▽■行冰球突破游戏AI版华尔街之狼！o3-mini靠「，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▷▽=•◆☆。
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%▷◆。
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%▲=••★。
其中一个突出的模型是DeepSeek R1▷◁●☆，它的预测结果常常与其他模型大相径庭◇◁=-=△。
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▽☆△•□。
在昨晚的男篮亚洲杯冠军争夺战中☆◇□☆AR增强现实化妆镜，，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◁▷▪■□！
更进一步的☆★△，AI能否像拉普拉斯妖一样○◁…•◇，在获取了当下世界的所有信息后◇▷△…▲=神之押注」狂赚9倍DeepSeek R1最特立独，精确预测未来的一切▼□？
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☆▲…▼。
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）☆▪●。
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●☆◆●•。
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◁▪★△=，并附上长篇大论的理由■•▽●◇★，解释自己为什么这么看冰球突破游戏▼▽▼◆▪☆。
