Remodelando el juego en cadena: cómo el proyecto líder de Monad, aPriori, está liderando la revolución comercial con IA, y el plan de contribución de datos se lanza simultáneamente

Con fuertes apuestas de las principales instituciones como Pantera Capital, YZi Lab, OKX Ventures y más, aPriori está reconstruyendo las creencias subyacentes del trading descentralizado. Los miembros principales del proyecto provienen de Jump, Coinbase, Citadel Securities y dYdX, combinando tecnología nativa en cadena con experiencia práctica en operaciones de alta frecuencia en Wall Street, aPriori está construyendo un sistema de ejecución de transacciones de próxima generación en cadenas públicas de alto rendimiento, inyectando una infraestructura comercial verdaderamente competitiva en DeFi.

aPriori está reescribiendo completamente el proceso de transacción en cadena: a través de agregadores DEX impulsados por IA y módulos de participación de liquidez respaldados por MEV, aPriori integra órdenes de orden, emparejamiento y rendimiento de circuito cerrado, en un sistema de producto sostenible.

Tras el lanzamiento por parte del equipo del agregador DEX impulsado por IA Swapr la semana pasada, aPriori ha puesto su mirada en el "cerebro de identificación" de las transacciones en cadena, conocido como el sistema de segmentación del flujo de pedidos. Este sistema combina etiquetado de comportamiento, agrupación de billeteras, análisis de IA y mecanismos de retroalimentación en cadena, con el objetivo de hacer que cada transacción sea más inteligente y justa, evitando el "flujo tóxico" como el deslizamiento de arbitraje y enviando liquidez a donde debe ir. No solo hace que las transacciones sean más inteligentes, sino que también hace que el flujo de todo el mercado en cadena sea más ordenado y confiable.

"Comprender cada transacción es el punto de partida de una ejecución justa".

El reconocimiento del flujo de órdenes es una de las tecnologías centrales de aPriori, que analiza el comportamiento de las transacciones, el historial de la billetera y la reacción del mercado para determinar si una transacción es una operación normal del usuario o un "flujo tóxico" como el arbitraje o el pellizco. En comparación con las transacciones tradicionales que solo analizan si la transacción se ejecuta, este método de identificación puede filtrar los riesgos potenciales antes, proporcionar a los LP una contraparte más segura y mejorar la selección de rutas y la equidad de ejecución.

"Tecnología + Ecología: el momento perfecto para pertenecer a Monad"

Las características de los datos varían entre los diferentes ecosistemas de cadenas públicas: Solana tiene transacciones de alta velocidad y usuarios activos, pero debido a que una gran cantidad de contratos son de código cerrado, los datos disponibles para la capacitación son limitados; Aunque Ethereum y otras cadenas de EVM tienen datos abiertos, están limitados por cuellos de botella en el rendimiento, y el comportamiento general de las transacciones es conservador y la densidad de datos es baja.

Monad logra un raro equilibrio entre rendimiento y transparencia: combina el alto rendimiento al estilo de Solana con un estilo comercial agresivo, al tiempo que conserva la legibilidad y la apertura que brinda la arquitectura EVM. Esto proporciona a aPriori el suelo ideal para construir la próxima generación de modelos de reconocimiento de flujo de órdenes.

"Los datos de los usuarios no se tratan solo de participar, sino también de capacitar a la próxima generación de inteligencia comercial".

Programa de contribución de datos de la comunidad: Para entrenar a la IA para que reconozca el comportamiento de las transacciones de manera más inteligente, aPriori ha lanzado un programa de contribución de datos comprometido con la comunidad. Cada usuario puede ayudar al modelo a "comprender" mejor el mundo en cadena completando las siguientes acciones simples.

• Billetera vinculante: conecte las direcciones de billetera de uso común de los usuarios para proporcionar una visión más completa del comportamiento.

• Cadenas compatibles: Ethereum, BNB Chain, Monad Testnet;

• Cuentas sociales sincronizadas: Opcionalmente conéctese con Twitter, Discord, etc. para agregar más pistas de identidad;

• Registro y seguimiento de tareas: Los paneles dedicados muestran los registros de registro de los usuarios, el comportamiento de las transacciones y el progreso de las contribuciones.

Estos datos pueden ayudar al sistema a determinar qué direcciones pertenecen al mismo usuario y si hay operaciones colaborativas, mejorando la capacidad de la IA para identificar tipos de transacciones y riesgos.

"¿Cómo saber si una transacción contiene un flujo tóxico?"

En el motor central de Swapr, cada transacción es evaluada por un modelo de IA antes de ser confirmada, refiriéndose principalmente a los siguientes puntos:

• La transacción en sí: dirección de compra y venta, ruta de la moneda, gas, tarifa de manejo, deslizamiento, etc.;

• Historial de direcciones: frecuencia de transacciones, comportamiento pasado, cambios de activos;

• Reacción del mercado: acción del precio dentro de 1 segundo a 24 horas después de la negociación;

• Juicio de ganancias: si la transacción es rentable en diferentes momentos y si puede dañar el LP.

El modelo identifica si cada transacción pertenece a un "flujo tóxico", como el arbitraje o el pellizco, y determina su amenaza potencial para la equidad del sistema.

"Cuanto más complejo sea el modelo, mejor, pero cuanto más comprenda la transacción, más valiosa será".

Del motor de reglas a la red neuronal de IA: aPriori no se limita a un solo algoritmo, sino que combina modelos tradicionales (XGBoost, LightGBM) con modelos de temporización (RNN, Transformer). El primero es eficiente para interpretar datos estructurados, mientras que el segundo es bueno para capturar cambios de comportamiento en series temporales.

En última instancia, Swapr adopta una arquitectura de conjunto, donde los diferentes submodelos aprenden de sus respectivas dimensiones de datos y ventanas de tiempo, y después de las puntuaciones de fusión, pueden responder a comportamientos comerciales complejos con mayor precisión.

"Detrás de una transacción, ¿quién está coludido con el arbitraje?"

El comportamiento de arbitraje generalmente no lo realiza una sola billetera, sino que es el resultado de múltiples direcciones que trabajan juntas. Al identificar estos "grupos de comportamiento", el sistema puede predecir posibles grupos de arbitraje y evitar que el "flujo tóxico" se concentre en los LP.

"Hacer que la IA sea parte de la ejecución de operaciones"

Con la abundancia de datos de entrenamiento, el sistema de identificación de Swapr se está convirtiendo en un punto central de diferencia en el enrutamiento de DeFi. No solo trae mejores cotizaciones, sino que también ajusta dinámicamente la dirección de la liquidez, protegiendo los intereses tanto de los usuarios como de los LP.

El fundador Ray enfatizó: "Un verdadero motor de ejecución de DeFi puede entender, juzgar y saber cómo proteger el sistema. Esperamos que Swapr sea el primer punto de entrada para el trading que pueda "pensar". ”