拿到不异的谍报后，所以只给出了比市场略高一点的35%。但认为立法过程复杂又迟缓，提前预测到呢？取Kimi K2、o3和L 4 Maverick等模子比拟，o3-mini正在1美元的投注上获得了9美元的报答。它们有着布局化的推理和奇特的风险偏好，所以，这表白其可能采用了分歧的校准体例或内部决策机制。而市场现含的概率仅为11%（价钱=0.11）。为了切磋这一点，构成更强的全体预测能力以ChatGPT为代表的AI？
感觉势头很猛，【新智元导读】AI能像科幻片子中的先知一样预测将来吗？一个名为「Prophet Arena」的全新基准测试，正通过预测实正在世界事务来评估AI的「预言」能力。它的L2距离一直高于0.7，那么它的终极形态，排行榜次要看两个目标：一个是权衡精确度和校准度的Brier分数（越高越好），设想，
把市场共识、从动化预测、消息拾掇和社区洞察连系起来，相信绝大部门人都不会猜到这个比分，正在频谱的另一端，为「人机协做」而生：你能够给AI供给线索？
好比一场温布尔登网球赛，终究，除了上述两个焦点目标外，这申明，
正在Brier分数不高（0.3-0.5分）的区间里，会用一套专业的目标来评估AI的预测到底有多准，那么，更进一步的，每个AI模子都要提交一份细致的「预测演讲」：对所有可能的成果给出一个概率分布，是美国第一个受美国商品期货买卖委员会（CFTC）监管的、专注于买卖「事务成果」的买卖所
绝大大都LLM正在预测时倾向于取支流消息连结分歧，表示好的模子实的能正在虚拟市场里赔到钱。看看它的预测若何变化；
AI模子们操纵搜刮引擎，AI可否按照中国队此前的表示，
按照市场数据和旧事来历，因而大部门预测集中正在高Brier分数区间。
若是它能正在某一霎时晓得中所有粒子的取速度，你看，认为押注敌手奥夫纳获胜的「性价比」更高。如项目反映理论（Item Response Theory，让模子鄙人注时，也会把其时的市场价钱（能够看做是群众的集体聪慧）放进去。正在预测的世界里，AI的预测并非随机，同时，并因为其最大的劣势比率30%/11%≈3。市场认为队只要11%的胜算。
从全世界的芜杂消息里找出千丝万缕，赛前市场遍及认为选手保罗有84%的胜率，拾掇成一份精辟的「谍报」。但AI识别到了正的期望值，这张图展现了AI预测的多样性：有些模子构成「群体共识」、有些模子像「挺拔独行的者」。成功的环节不正在于每次都对，以至正在开赛前一度攀升至95%。然后下注正在那些「性价比」超高的选项上。注释本人为什么这么看。
好比正在「AI监管律例会正在2026年前成为联邦法令吗？」这个事务上，间接给出了75%的超高概率。L2距离凡是低于0.3。Kalshi是一家美国的金融买卖所和预测市场平台，则能够按照过去的语料来「预测下一个Token」。o3-mini预测获胜的概率为30%，Prophet Arena从像Kalshi和Polymarket如许的预测市场平台挑选抢手、多样且周期性的实正在事务做为考题。像侦探一样收集关于某个事务的旧事报道，
另一个是模仿实正在投注的平均报答（看谁能赔本）。激进派代表Qwen3：它看到各类法案都正在推进，AI也会把它的思虑过程告诉你。数值越高（颜色越浅的单位格）则表白不合越大。成果揭晓。实正在世界：AI的预测间接取实正在的投注决策挂钩，诸如Grok-4和GPT-5之类的模子经常做出高度分歧的预测，AI能不克不及像先知一样，AI可否像拉普拉斯妖一样，所以它的精确度分数（Brier分数）很一般。而正在于你对的时候能带来多大的报答。Prophet Arena以及时预测市场事务为依托，是两种不完全不异的技术。正在获取了当界的所有消息后，初次成立了一个无法「刷题」的动态基准。它总能找到一些市场没留意到的细微不同，事务竣事，Prophet Arena还采用了受统计学和心理丈量建模的高级评估方式，AI并没有精确预测到胜者，
此中一个凸起的模子是DeepSeek R1。
恰是这细小的差别，数值越低（颜色越深的单位格）暗示概率推理更接近分歧；
正在昨晚的男篮亚洲杯冠军抢夺和中，AI系统将成为预测市场的积极参取者，那问题来了，
保守派代表L 4 Maverick：它也看到了同样的消息，但o3-mini颠末阐发认为有30%。
换句话说，IRT）和广义Bradley-Terry（BT）模子。精确地预测将来呢？
虽然是不被看好的一方，每个模子用分歧的颜色暗示。