多样性是AI群体的力量

顶级AI预测系统在预测未来世界事件上正接近超级预测者级准确率，但仍主要依赖现成LLM加预测专属上下文收集与脚手架。我们研究如何通过集成改进这一配方：给定固定数量的样本，哪些现成模型预测应被组合以最大化准确率？在Metaculus AI基准的二元问题上：个体准确率不够——许多前沿LLM做出高度相关的预测，限制了来自相同或相似模型的额外预测的价值。相反，最强的集成组合准确但多样的预测者——如Grok 4等模型的贡献不成比例，因为其预测与其他前沿LLM的相关性更低。结果表明AI群体的力量不来自不加区别地采样更多预测，而来自组合具有互补错误的跨模型预测——推动预测系统显式优化模型质量与多样性。