表现好的模型真的能在虚拟市场里赚到钱！个人期货开户流程【新智元导读】AI能像科幻片子中的先知相同预测将来吗？一个名为「Prophet Arena」的全新基准测试，正通过预测真正宇宙事务来评估AI的「预言」才具。

　　以ChatGPT为代外的AI，则能够依照过去的语料来「预测下一个Token」。

　　那题目来了，AI能不行像先知相同，从全宇宙的参差音信里寻找蛛丝马迹，无误地预测将来呢？

　　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劳绩！

　　确信绝大片面人都不会猜到这个比分，那么，AI能否依照中邦队此前的展现，提前预测到呢？

　　更进一步的，AI能否像拉普拉斯妖相同，正在获取了当来世界的完全音信后，准确预测将来的全数？

　　假使它能正在某一倏得清楚宇宙中完全粒子的地点与速率，而且全部贯通自然顺序。

　　本日要先容的Prophet Arena即是一个通过及时更新的真正宇宙预测职责来评估AI体系预测智能的基准测试。

　　把商场共鸣、自愿化预测、音信整顿和社区洞察联结起来，造成更强的满堂预测才具

　　为「人机合营」而生：你能够给AI供应线索，看看它的预测何如转化；AI也会把它的思索经过告诉你。

　　直面真正宇宙：AI的预测直接与真正的投注决议挂钩，展现好的模子真的能正在虚拟商场里赚到钱。

　　Prophet Arena以及时预测商场事务为依托，初次筑设了一个无法「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、众样且周期性的真正事务行动考题。

　　Kalshi是一家美邦的金融业务所和预测商场平台，是美邦第一个受美邦商品期货业务委员会（CFTC）拘押的、用心于业务「事务结果」的业务所

　　AI模子们诈欺寻求引擎，像侦探相同采集合于某个事务的音信报道，整顿成一份精练的「谍报简报」。同时，也会把当时的商场价钱（能够看作是公众的全体聪敏）放进去。

　　拿到相似的谍报后，每个AI模子都要提交一份精细的「预测呈报」：对完全或许的结果给出一个概率分散，并附上长篇大论的道理，讲明自身为什么这么看。

　　事务结尾，结果揭晓。会用一套专业的目标来评估AI的预测终于有众准，然后更新正在一个及时排行榜上。

　　排行榜首要看两个目标：一个是权衡无误度和校准度的Brier分数（越高越好），另一个是模仿真正投注的均匀回报（看谁能获利）。

　　除了上述两个重点目标外，Prophet Arena还采用了受统计学和心情衡量筑模发动的高级评估措施，如项目反映外面（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，反而出生了很众回报率惊人的预测。

　　比方一场温布尔登网球赛，赛前商场普通以为选手保罗有84%的胜率，以至正在开赛前一度攀升至95%。

　　恰是这渺小的不同，让模子鄙人注时，以为押注敌手奥夫纳获胜的「性价比」更高。

　　你看，AI并没有无误预测到胜者，于是它的无误度分数（Brier分数）很通常。

　　这证实，成为一个无误的先知和成为一个获利的投资者，是两种不全部相似的才具。

　　为了探求这一点，搜检了每个Brier得分区间的模子组成，每个模子用差别的颜色展现。

　　绝大无数LLM正在预测时方向于与主流音信依旧相似，所以大片面预测鸠合正在高Brier分数区间。

　　比方正在「AI拘押准则会正在2026年前成为联邦公法吗？」这个事务上，商场以为或许性惟有25%。

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

　　落后｜后进派代外Llama 4 Maverick：它也看到了同样的音信，但以为立法经过纷乱又平缓，于是只给出了比商场略高一点的35%。

　　AI的预测并非随机，它们有着构造化的推理和怪异的危险偏好，就像人类专家也会有看法差别相同。

　　比方正在圣地亚哥与众伦众的美邦职业足球大同盟角逐中，o3-mini正在1美元的投注上得到了9美元的回报。

　　依照商场数据和音信根源，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）。

　　纵然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。

　　它总能找到极少商场没留神到的渺小分歧，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，商场以为众伦众队惟有11%的胜算，但o3-mini源委领会以为有30%。

　　于是，正在预测的宇宙里，得胜的症结不正在于每次都对，而正在于你对的期间能带来众大的回报。

　　数值越低（颜色越深的单位格）展现概率推理更迫近相似；数值越高（颜色越浅的单位格）则证明差别越大。

　　此中一个优秀的模子是DeepSeek R1，它的预测结果不时与其他模子截然不同。

　　与Kimi K2、o3和Llama 4 Maverick等模子比拟，它的L2隔绝永远高于0.7，这证明其或许采用了差别的校准方法或内部决议机制。

　　正在频谱的另一端，诸如Grok-4和GPT-5之类的模子往往作出高度相似的预测，L2隔绝时时低于0.3。

　　换句话说，这张图展现了AI预测的众样性：有些模子造成「群体共鸣」、有些模子像「特立独行的贰言者」。

　　设念，AI体系将成为预测商场的踊跃参预者，将人类的直觉洞察与AI强壮的数据领会才具相联结，最终擢升整体社会的全体远睹，为那些高危险的决议供应更牢靠的凭据。

　　真相，假使说措辞模子的下一步是预测下一个词，那么它的终极样子，或者即是预测这个真正宇宙的下一个事务。

　　迥殊声明：以上实质(如有图片或视频亦蕴涵正在内)为自媒体平台“网易号”用户上传并颁发，本平台仅供应音信存储办事。

　　近50艘声援船启航赶赴加沙！带队的环保少女后相“这宇宙已全部损失人性”

　　李纯马頔邦庆节官宣成亲，二人恋情韶华线米高台跌掉队，杨宗纬回应身体复原情景

　　OPPO 超 700 家门店邦庆开业，OPPO CLUB 中邦首店落地深圳

　　大宝啊大宝!!!妈妈毕竟把你养得还不错了啊!!!!你翻身指日可待了啊!!!

　　《空之轨迹 the 1st》评测：20年转化了良众，但稳固的是“星之所正在”

　　《编码物候》展览开张 北京期间美术馆以科学艺术解读数字与生物交错的宇宙节律