做大模型后训练或评测的团队，真有真实事件概率预测评测的需求吗？

有团队在探索一种评测方式：让模型针对结果尚未公布的真实事件，结合当时可获得的信息给出概率预测，结果公布后再验证预测表现与概率校准情况。该方式用于识别模型判断偏差、比较不同模型或版本表现，为模型选型、后训练优化和 Agent 能力改进提供真实世界评测依据，发帖者询问后训练或 Agent 团队是否真有这类需求。