主流 AI 模型分析体育比赛表现不佳，基础识别准确率约 74%

北卡罗来纳大学教堂山分校和美国东北大学的一项新研究显示，主流 AI 模型在分析职业体育比赛时表现欠佳。研究团队创建了名为 SVI-bench 的测试基准，包含 35000 小时篮球、足球和冰球比赛画面等大量数据，用于评估 AI 的感知、推理、模拟和自主行动能力。

在基础感知任务中，ChatGPT、谷歌 Gemini 等模型的平均识别准确率约为 74%，仅能判断球员的基本动作。但在因果推理环节，模型解释战术为何发生的成功率降至约 40%。例如，面对 NBA 球员一次异常的三分球，AI 错误地将其描述为“命中的第一个三分球”。

模拟能力和自主分析能力更差。模型预测球员下一步动作接近随机猜测，自主分析赛后数据并作出复杂判断的准确率仅 5%。研究共同作者洛伦佐·托雷萨尼指出，AI 擅长描述画面，但无法解释事件原因、预判未来或判断重要性，这种能力差距也适用于其他工作领域。