预测智能体回测基准 FABench 评测

研究人员推出预测智能体回测基准 FABench，首发包含 9 个领域的 287 个问题，可针对任意历史预测日期自动构建测试以防时间泄露。评测 8 个近期模型发现，检索改善了全部模型的 Brier 分数，表现最佳的 3 个智能体在 54 个 Polymarket 关联问题上略高于市场共识水平。目前该项目已开源代码、数据及档案环境。