Forecast-Dojo：可重放的大模型预测智能体环境
原文标题：Forecast-Dojo: Replayable Environments for Benchmarking and Training LLM Forecasting Agents
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。
论文推出 Forecast-Dojo，一个可重放的 LLM 预测智能体基准与训练环境，结合已结算的预测市场问题与带日期新闻，让智能体研究事件并在历史时点反复更新预测。数据集含 1,568 个 Polymarket 事件与 1,880 万篇带日期新闻。12 个模型评估中研究工具均降低 Brier 分数，但所有模型仍落后于历史市场预测；跨时点信念笔记本降低成本但未稳定提升质量。
- 问题
- LLM 预测智能体缺少可重放、可反复评估与训练的环境。
- 方法
- Forecast-Dojo 结合已结算的 Polymarket 问题与带日期新闻，让智能体在历史时点反复研究并更新预测，同一任务支持评估与训练。
- 结果
- 12 个模型中研究工具均降低 Brier 分数，但所有模型仍落后于历史市场预测；信念笔记本降低成本却未稳定提升质量。
- 影响
- 做预测智能体的团队可用它做可复现评测与轨迹收集，同时认清与市场基准的差距。
深读 · 结论先行AI 生成展开看要点与影响 ↓
可重放预测智能体环境含1568个Polymarket事件与1880万篇新闻，12个模型全数落后市场。
- •Forecast-Dojo含1568个Polymarket已结算事件，按时间切分训练与评估期
- •配套1880万篇带日期新闻，支持在历史时点反复研究并更新预测
- •12个模型评估中研究工具均降低Brier分数，事件推进时预测改善
- •所有模型在Brier分数与准确率上仍落后历史市场预测
- •跨时点信念笔记本降低研究成本，但未稳定提升预测质量
为什么重要：为LLM预测智能体提供可重复评估与训练轨迹，并给出「模型仍不及市场」的明确基线，影响预测类智能体研究方向的判断。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
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。