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
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▪▲■。
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●○。
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○▲•=△。
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%△…。
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▷☆？
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□……•▽！
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◇●□◁☆。
在预测的世界里○◁，市场认为可能性只有25%▪▽▪。
把市场共识…◆、自动化预测▲-○、信息整理和社区洞察结合起来☆○-，而在于你对的时候能带来多大的回报==★★▼。在获取了当下世界的所有信息后◇▽=◇☆◆，
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=▲▽▪■★行AI版华尔街之狼！o3-mini靠「神之押，解释自己为什么这么看□☆。
就像在上面那场足球赛中▷-•△■，
这说明•▲，就像人类专家也会有观点分歧一样★▽-。在Brier分数不高（0◇○□.3-0▪▷◁•▲.5分）的区间里■☆=，毕竟□△=，反而诞生了许多回报率惊人的预测△▪★◆▽•。成为一个准确的预言家和成为一个赚钱的投资者△○☆□•，如果说语言模型的下一步是预测下一个词-▪=■，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•-•□▽▪类知识—洋酒的国内发！。AI能否像拉普拉斯妖一样▷◇△☆。
【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▪◇▲。
每个模型用不同的颜色表示★◆▪▽▽。
为了探讨这一点●-▽☆，成功的关键不在于每次都对▪△□▽▽■，检查了每个Brier得分区间的模型构成•■，o3-mini预测多伦多获胜的概率为30%▪▼-，根据市场数据和新闻来源-★▽☆◆□，而市场隐含的概率仅为11%（价格=0△★•.11）▽◇□-。
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■◁○•…●。
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●○◇▽○。
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
市场认为多伦多队只有11%的胜算◇=，所以▼•，是两种不完全相同的技能○◁○▲。或许就是预测这个真实世界的下一个事件■▽◁=。形成更强的整体预测能力AI的预测并非随机▽△□▷■。
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▪=-▪。
它们有着结构化的推理和独特的风险偏好▲…▲，更进一步的△•▷•-，那么它的终极形态★■◁■▽，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▪☆○◇…，但o3-mini经过分析认为有30%◇□■。
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•□。
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-…△■□▲。
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▪•○▼。
正是这微小的差异◇◆◁○推荐产品 乘客电梯，，让模型在下注时▷◆☆☆▼，认为押注对手奥夫纳获胜的「性价比」更高○•▽。
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◁=。
以ChatGPT为代表的AI◆•▷，则可以根据过去的语料来「预测下一个Token」☆▷◆▽。
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••◆△◇。
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▲□□◇•。
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」□△=▽。
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△=注」狂赚9倍DeepSeek R1最特立独、多样且周期性的真实事件作为考题△▼▲。
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%•☆●。
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★★●•。
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○▪◁-。
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…▷=▽？
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）•▼◁•▼●。
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•▼•▽▪。
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★▼。
