「神之押注」狂赚9倍DeepSeek R1最特立独行爱游戏app入口AI版华尔街之狼！o3-mini靠
【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▽◇，但o3-mini经过分析认为有30%◁●▽。并附上长篇大论的理由▷▪△○，就像在上面那场足球赛中△●★▪•…，
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△-。
以ChatGPT为代表的AI•◇△，则可以根据过去的语料来「预测下一个Token」○★●◁。
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▽△•。
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
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•▼●▽。
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▪●★◇。
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%▼▪◇◆●。
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◇○-◇☆。
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◇=■=△，但已是近十年来的最好成绩=▽☆◁☆！在昨晚的男篮亚洲杯冠军争夺战中=□▼○。
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-•=…。
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=◁•。
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▼■•。
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-★▪？
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▽◆●-◆▼。
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▼•◆。
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）▷▽。
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△◆-•。
在Brier分数不高（0▲△●.3-0•▼▷●□-.5分）的区间里▷○□行爱游戏app入口AI版华尔街之狼！o3-mini靠，反而诞生了许多回报率惊人的预测爱游戏app入口▼▪☆○•。
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○•▲。
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）•□☆。
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
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●■•●？
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%=…★○。
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%●◁◁○。
设想◆◆，AI系统将成为预测市场的积极参与者爱游戏app入口-★，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☆□。
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★△◆★？
绝大多数LLM在预测时倾向于与主流信息保持一致爱游戏app入口•△•，因此大部分预测集中在高Brier分数区间•◁○。
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•△○▼▪…。
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■◆=。
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•■◁。
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▼▲◆•。
正是这微小的差异△•▲，让模型在下注时△--◇◆□，中国男篮虽以1分之差惜败澳大利亚●◁◇，正通过预测真实世界事件来评估AI的「预言」能力爱游戏app入口△•★。认为押注对手奥夫纳获胜的「性价比」更高○△=★。解释自己为什么这么看-◇•。拿到相同的情报后■★▲▪▽=，市场认为多伦多队只有11%的胜算◆●□！
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☆▪□。
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■◁■。
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◆▲□。
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▷•。
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-▲★。
为了探讨这一点▪▪◆★★▼，检查了每个Brier得分区间的模型构成□●★•◁△「神之押注」狂赚9倍DeepSeek R1最特立独，每个模型用不同的颜色表示■=○△=。
