注」狂赚9倍DeepSeek R1最特立独行AI版华尔街之狼！o3-mini靠「神之押
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•…◆。
把市场共识■◆◁-☆…行AI版华尔街之狼！o3-mini靠「神之押、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-●□★●。
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-■☆▲▲▼。
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▼◇▪●。
尽管多伦多是不被看好的一方▽☆•☆，但AI识别到了正的期望值△◁▲5年天津家电以旧换新补贴申请指南！米乐m 能效和水效标准以中国能效标识网•■•、中国水效标识网发布为准□▪。产品最终销售价格是产品剔除销售单位••▷、电商平台所有优惠补贴后的价格◁▪。该优惠补贴不包 更多 5年天津家电以旧换新补贴申请指南！米乐m。，并由于其最大的优势比率30%/11%≈3☆=◆•●。
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•▲。
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☆▽□。
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）□▼▽■■◇。
则可以根据过去的语料来「预测下一个Token」□★◁■。它的预测结果常常与其他模型大相径庭•▽。每个模型用不同的颜色表示▽▼▷。
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…•◁◁•○。
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
【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○☆★•◆◇。
为了探讨这一点●▽△，检查了每个Brier得分区间的模型构成▽▲□=▽，以ChatGPT为代表的AI-…-▷●，其中一个突出的模型是DeepSeek R1…□★◇，
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▲▪□□-★。
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◆▼▼。
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★○●•☆？
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…▪▷…☆○。
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=○▲。
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%=△▽▪三门冰箱最低只要687元最狠一款降两千米。。
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☆★★◆注」狂赚9倍DeepSeek R1最特立独，如项目反应理论（Item Response Theory☆○-，IRT）和广义Bradley-Terry（BT）模型□▷◆○☆。
特别声明-•：以上内容(如有图片或视频亦包括在内)为自媒体平台△□•☆▲▽“网易号◆☆●•■”用户上传并发布▲▼，本平台仅提供信息存储服务△◆。
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▼□△◇▽！
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•●。
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…◆○。
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□☆★。
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△☆▲。
人民日报=-、新华社就==“烟花秀事件•▪▷”发声■▼，植物学家-•◇▲▪：生态一旦破坏△■◁◁，恢复或需上百年
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▲△●=▽◁。
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」-○•▷。
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…=●•？
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△●-•。
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★△。
宣布退网-□-◆■！中国男子在巴铁8年■•★▽…•，花千万扶贫★◆▪-▽，回国因妻儿命悬一线年后姐姐求职▪=○-△◇，看到老板戴父亲遗物当场痛哭
亚洲首富小儿媳甩300斤老公牵大伯哥走红毯■•☆●！婚后1年婆家送巨大宝石和豪宅☆▪◁▷▽，奖励她帮儿子背黑锅▪■■？
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▲◁■▲◇。
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•-◇=。
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%△□▲▪。
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%•▼▷▲◇●。
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□○★☆。
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）•▼□…▷•。
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◇▷••□●，精确预测未来的一切△▷•▪？
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%◁▪△▪◁■。
