FABench 基准测试预测智能体的回测能力
原文标题：Benchmarking Forecasting Agents on Yesterday's Tomorrows
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
研究者提出 FABench，一个可扩展的预测智能体回测环境，自动发现事件、生成问题并结算任意历史预测日的结果，首版含九个领域 287 道题。评估基于八个近期模型的智能体发现，检索在所有设置下都改善 Brier 分数，领先智能体在 54 道与 Polymarket 关联的题目上达到市场共识水平。研究轨迹显示智能体在权衡与应用证据上存在反复失误。
- 问题
- 现有基准难以即时、可更新地衡量预测智能体的校准概率判断能力。
- 方法
- 提出 FABench 回测环境，自动发现事件、生成问题并结算任意历史预测日，配合防时间泄漏的离线档案加实时检索。
- 结果
- 首版含九个领域 287 道题；检索在全部设置下改善八个模型的 Brier 分数，领先智能体在与 Polymarket 关联的 54 题上达到市场共识水平。
- 影响
- 预测能力可即时回测且不落后于训练截止，为智能体证据权衡能力提供可复用的评测与改进闭环。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。