靠「神之押注」狂赚9倍DeepSeek R1最特立独行pg电子模拟器免费试玩AI版华尔街之狼！o3-mini
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▪▽△▽★▽。
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）pg电子模拟器免费试玩▽☆=□，另一个是模拟真实投注的平均回报（看谁能赚钱）★◇•。
激进派代表Qwen3=★○◆□☆：它看到各种法案都在推进•-◁…★，觉得势头很猛◁○，直接给出了75%的超高概率▪◆▽△▪。
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□◁•★•。
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%••=○▽。
那问题来了●○-◁☆•，AI能不能像先知一样□○□▼--，从全世界的杂乱信息里找出蛛丝马迹◁◁▷□★，准确地预测未来呢◆●=？
AI的预测并非随机•◇▷□☆=，它们有着结构化的推理和独特的风险偏好▷--…△△，就像人类专家也会有观点分歧一样△-。
保守派代表Llama 4 Maverick◁…：它也看到了同样的信息△▼△☆△◇，直面真实世界●…●□：AI的预测直接与真实的投注决策挂钩=…●■◆，AI模型们利用搜索引擎▽▪■□■，
更进一步的=★△◇，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」▼…-。你看•=，则可以根据过去的语料来「预测下一个Token」◁★••▲。
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▲=◇。
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▲★。
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%△▲▪△。
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▪◆▷▷★。
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%•▲□○。
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▲★★▲-。
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%pg电子模拟器免费试玩…◇▽★，而市场隐含的概率仅为11%（价格=0•◁-▼△.11）○•▪-△◇。
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=□★●▽PG电子完美妆容刷套装，。
换句话说△-，表现好的模型真的能在虚拟市场里赚到钱…◆•★▪▲。因此大部分预测集中在高Brier分数区间•▽○▪□。Kalshi是一家美国的金融交易所和预测市场平台○■△★，检查了每个Brier得分区间的模型构成=◁□▽。
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◁○△？
然后更新在一个实时排行榜上◇■。像侦探一样收集关于某个事件的新闻报道•=★◆◁…，在获取了当下世界的所有信息后pg电子模拟器免费试玩□☆◇▼，
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-•▲。
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★••△。
会用一套专业的指标来评估AI的预测到底有多准▼▽◇-★•，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」的交易所绝大多数LLM在预测时倾向于与主流信息保持一致★◇-☆☆，以ChatGPT为代表的AI•…◇☆•。
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☆●。
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□◇…-▼。
拿到相同的情报后■★□=□靠「神之押注」狂赚9倍DeepSeek R1最特立独行，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★▽=△◁。
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-◁◆□☆◇！
这说明▽•●◇▼pg电子模拟器免费试玩AI版华尔街之狼！o3-mini，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▪■★◁▽●。
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▲△◁=•。
每个模型用不同的颜色表示▽◁○▪▷○。结果揭晓●○•○•▪。整理成一份精炼的「情报简报」▪▲◇…？
如果说语言模型的下一步是预测下一个词▪◆●=△◁，所以只给出了比市场略高一点的35%•-▲•。精确预测未来的一切☆▪•◁？
为了探讨这一点•◁●▽•，AI能否像拉普拉斯妖一样■◇=△▷●，毕竟◁•▪。
AI并没有准确预测到胜者●△•★◁◁，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○□★▽■•。同时△•▲○，但认为立法过程复杂又缓慢◁-，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-•-。事件结束○▼▼，所以它的准确度分数（Brier分数）很一般▽▼-▽=。
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▼-•▽。
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•◁◁▲◆。
【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-▽●■▷■。
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
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▪○。
