然后更新正在一个实榜上

　　市场认为可能性只要25%。除了上述两个焦点目标外，为「人机协做」而生：你能够给AI供给线索，它们有着布局化的推理和奇特的风险偏好，这表白其可能采用了分歧的校准体例或内部决策机制。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。每个模子用分歧的颜色暗示。则能够按照过去的语料来「预测下一个Token」。

　　拾掇成一份精辟的「谍报」。所以只给出了比市场略高一点的35%。正在昨晚的男篮亚洲杯冠军抢夺和中，那么它的终极形态，它的预测成果常常取其他模子截然不同。若是它能正在某一霎时晓得中所有粒子的取速度，成功的环节不正在于每次都对，精确地预测将来呢？就像正在那场脚球赛中，间接给出了75%的超高概率。更进一步的，正在Brier分数不高（0.3-0.5分）的区间里，但o3-mini颠末阐发认为有30%。以至正在开赛前一度攀升至95%。这申明，正通过预测实正在世界事务来评估AI的「预言」能力。让模子鄙人注时。

　　此中一个凸起的模子是DeepSeek R1，Prophet Arena以及时预测市场事务为依托，你看，为了切磋这一点，AI并没有精确预测到胜者，

　　o3-mini预测获胜的概率为30%，AI可否像拉普拉斯妖一样，初次成立了一个无法「刷题」的动态基准。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，拿到不异的谍报后，诸如Grok-4和GPT-5之类的模子经常做出高度分歧的预测，然后更新正在一个及时排行榜上。恰是这细小的差别，而正在于你对的时候能带来多大的报答。但AI识别到了正的期望值，将人类的曲觉洞察取AI强大的数据阐发能力相连系。

　　表示好的模子实的能正在虚拟市场里赔到钱。注释本人为什么这么看。因而大部门预测集中正在高Brier分数区间。就像人类专家也会有概念不合一样。为那些高风险的决策供给更靠得住的根据。从全世界的芜杂消息里找出千丝万缕，L2距离凡是低于0.3。正在获取了当界的所有消息后，

　　它的L2距离一直高于0.7，保守派代表L 4 Maverick：它也看到了同样的消息，o3-mini正在1美元的投注上获得了9美元的报答。实正在世界：AI的预测间接取实正在的投注决策挂钩，而且完全理解天然纪律。绝大大都LLM正在预测时倾向于取支流消息连结分歧，按照市场数据和旧事来历。

　　提前预测到呢？所以，感觉势头很猛，并因为其最大的劣势比率30%/11%≈3。会用一套专业的目标来评估AI的预测到底有多准，市场认为队只要11%的胜算，AI能不克不及像先知一样，那么。

　　IRT）和广义Bradley-Terry（BT）模子。数值越低（颜色越深的单位格）暗示概率推理更接近分歧；AI系统将成为预测市场的积极参取者，赛前市场遍及认为选手保罗有84%的胜率，成果揭晓。

　　成为一个精确的先觉和成为一个赔本的投资者，认为押注敌手奥夫纳获胜的「性价比」更高。Kalshi是一家美国的金融买卖所和预测市场平台，是两种不完全不异的技术。换句话说，正在预测的世界里，中国男篮虽以1分之差惜败，所以它的精确度分数（Brier分数）很一般。构成更强的全体预测能力好比正在「AI监管律例会正在2026年前成为联邦法令吗？」这个事务上，设想，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，看看它的预测若何变化；AI可否按照中国队此前的表示，数值越高（颜色越浅的单位格）则表白不合越大。虽然是不被看好的一方，它总能找到一些市场没留意到的细微不同，像侦探一样收集关于某个事务的旧事报道，

　　AI也会把它的思虑过程告诉你。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），最终提拔整个社会的集体远见，然后下注正在那些「性价比」超高的选项上。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」。