十博AI版华尔街之狼！o3-mini靠「神之押注」狂赚9倍DeepSeek R1
2025-11-03 10:11:34
浏览次数： 次
返回列表【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ღ✿★，正通过预测真实世界事件来评估AI的「预言」能力ღ✿★。
在昨晚的男篮亚洲杯冠军争夺战中ღ✿★，中国男篮虽以1分之差惜败澳大利亚ღ✿★，但已是近十年来的最好成绩十博ღ✿★！
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ღ✿★。
为「人机协作」而生ღ✿★：你可以给AI提供线索ღ✿★，看看它的预测如何变化ღ✿★；AI也会把它的思考过程告诉你ღ✿★。
Prophet Arena从像Kalshi和Polymarket这样的预测市场平台挑选热门十博ღ✿★、多样且周期性的真实事件作为考题ღ✿★。
Kalshi是一家美国的金融交易所和预测市场平台ღ✿★，是美国第一个受美国商品期货交易委员会（CFTC）监管的ღ✿★、专注于交易「事件结果」的交易所
AI模型们利用搜索引擎ღ✿★，像侦探一样收集关于某个事件的新闻报道十博ღ✿★，整理成一份精炼的「情报简报」ღ✿★。同时ღ✿★，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ღ✿★。
拿到相同的情报后ღ✿★，每个AI模型都要提交一份详细的「预测报告」ღ✿★：对所有可能的结果给出一个概率分布ღ✿★，并附上长篇大论的理由ღ✿★，解释自己为什么这么看ღ✿★。
事件结束ღ✿★，结果揭晓ღ✿★。会用一套专业的指标来评估AI的预测到底有多准ღ✿★，然后更新在一个实时排行榜上ღ✿★。
排行榜主要看两个指标ღ✿★：一个是衡量准确度和校准度的Brier分数（越高越好）ღ✿★，另一个是模拟真实投注的平均回报（看谁能赚钱）公妇在线观看5国语字ღ✿★。
除了上述两个核心指标外ღ✿★，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ღ✿★，如项目反应理论（Item Response Theoryღ✿★，IRT）和广义Bradley-Terry（BT）模型ღ✿★。
比如一场温布尔登网球赛公妇在线观看5国语字ღ✿★，赛前市场普遍认为选手保罗有84%的胜率ღ✿★，甚至在开赛前一度攀升至95%ღ✿★。
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ღ✿★，市场认为可能性只有25%ღ✿★。
保守派代表Llama 4 Maverickღ✿★：它也看到了同样的信息ღ✿★，但认为立法过程复杂又缓慢ღ✿★，所以只给出了比市场略高一点的35%ღ✿★。
例如在圣地亚哥与多伦多的美国职业足球大联盟比赛中ღ✿★，o3-mini在1美元的投注上获得了9美元的回报ღ✿★。
根据市场数据和新闻来源ღ✿★，o3-mini预测多伦多获胜的概率为30%ღ✿★，而市场隐含的概率仅为11%（价格=0.11）ღ✿★。
尽管多伦多是不被看好的一方ღ✿★，但AI识别到了正的期望值ღ✿★，并由于其最大的优势比率30%/11%≈3ღ✿★。
就像在上面那场足球赛中十博ღ✿★，市场认为多伦多队只有11%的胜算ღ✿★，但o3-mini经过分析认为有30%ღ✿★。
数值越低（颜色越深的单元格）表示概率推理更接近一致ღ✿★；数值越高（颜色越浅的单元格）则表明分歧越大ღ✿★。
与Kimi K2公妇在线观看5国语字ღ✿★、o3和Llama 4 Maverick等模型相比ღ✿★，它的L2距离始终高于0.7ღ✿★，这表明其可能采用了不同的校准方式或内部决策机制十博ღ✿★。
在频谱的另一端ღ✿★，诸如Grok-4和GPT-5之类的模型经常作出高度一致的预测ღ✿★，L2距离通常低于0.3ღ✿★。
换句话说ღ✿★，这张图展示了AI预测的多样性ღ✿★：有些模型形成「群体共识」ღ✿★、有些模型像「特立独行的异议者」ღ✿★。
设想ღ✿★，AI系统将成为预测市场的积极参与者ღ✿★，将人类的直觉洞察与AI强大的数据分析能力相结合ღ✿★，最终提升整个社会的集体远见公妇在线观看5国语字ღ✿★，为那些高风险的决策提供更可靠的依据ღ✿★。
毕竟ღ✿★，如果说语言模型的下一步是预测下一个词ღ✿★，那么它的终极形态公妇在线观看5国语字十博ღ✿★，或许就是预测这个真实世界的下一个事件ღ✿★。十博运动套装ღ✿★。SBet实博ღ✿★，运动内衣时尚穿搭ღ✿★，
