新的基准测试LLM-SoccerArena测试体育预测准确性

作者 PulseAugur 编辑部 · [1 个来源] · 2026-07-28 04:00

研究人员推出了LLM-SoccerArena，这是一个新颖的前瞻性实时基准测试平台，旨在评估大型语言模型（LLM）在现实世界场景（特别是体育赛事）中的预测能力。该开源平台记录了未解决事件的带时间戳的预测，并考虑了模型版本、信息访问、提示策略和预测范围等不同因素。使用2026年FIFA世界杯进行的初步评估表明，与没有网络访问的LLM相比，拥有网络访问的LLM在预测准确性方面仅有边际改善，以Brier分数衡量。 AI

影响该基准测试可能导致对LLM预测能力的更严格评估，从而可能改善其在不确定未来事件的决策中的应用。

排序理由该集群描述了一篇介绍用于评估LLM的新颖基准测试的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 0 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群描述了一篇介绍用于评估LLM的新颖基准测试的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, product; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: 72 days old; Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Jonas Schr\"oder, Jonas Schweisthal, Oliver M\"uller, Markus Weinmann, Stefan Feuerriegel · 2026-07-28 04:00

LLM-SoccerArena：在体育真实预测方面对LLM进行基准测试

arXiv:2607.24573v1 Announce Type: new Abstract: Large language models (LLMs) increasingly support decisions about uncertain future events, yet evaluating their ability to forecast real-world outcomes remains difficult. In particular, existing benchmarks are typically static and r…

本文如何被排名

报道来源 [1]

LLM-SoccerArena：在体育真实预测方面对LLM进行基准测试

相关实体

相关话题