Omforming av On-Chain Game: Hvordan Monads ledende prosjekt, aPriori, ledet handelsrevolusjonen med AI, og databidragsplanen ble lansert samtidig

Opprinnelig kilde: aPriori

Tunge innsatser fra toppinstitusjoner som Pantera Capital, YZi Lab, OKX Ventures og mer, aPriori rekonstruerer den underliggende troen på desentralisert handel. Kjernemedlemmene i prosjektet kommer fra Jump, Coinbase, Citadel Securities og dYdX, og kombinerer innebygd teknologi på kjeden med praktisk erfaring innen høyfrekvent handel på Wall Street, aPriori bygger et neste generasjons transaksjonsutførelsessystem på offentlige kjeder med høy ytelse, og injiserer en virkelig konkurransedyktig handelsinfrastruktur i DeFi.

aPriori omskriver transaksjonsprosessen på kjeden fullstendig: gjennom AI-drevne DEX-aggregatorer og MEV-støttede likviditetsinnsatsmoduler, integrerer aPriori ordrer fra ordreplassering, matching til avkastning lukket sløyfe, til et bærekraftig produktsystem.

Etter teamets lansering av den AI-drevne DEX-aggregatoren Swapr forrige uke, har aPriori satt sikte på "gjenkjenningshjernen" til transaksjoner på kjeden, kjent som Order Flow Segmentation-systemet. Dette systemet kombinerer atferdsmerking, lommebokklynger, AI-analyse og tilbakemeldingsmekanismer på kjeden, med mål om å gjøre hver transaksjon smartere og mer rettferdig, unngå "giftig flyt" som arbitrasjeglidning og sende likviditet dit den skal gå mest. Det gjør ikke bare transaksjoner smartere, men gjør også flyten i hele markedet på kjeden mer ryddig og tillitsfull.

"Å forstå hver transaksjon er utgangspunktet for rettferdig utførelse."

Ordreflytgjenkjenning er en av aPrioris kjerneteknologier, som analyserer transaksjonsatferd, lommebokhistorikk og markedsreaksjon for å avgjøre om en transaksjon er en normal brukeroperasjon eller en "giftig flyt" som arbitrasje eller klemming. Sammenlignet med tradisjonelle transaksjoner som bare ser på om transaksjonen utføres, kan denne identifikasjonsmetoden filtrere potensielle risikoer tidligere, gi LP-er en tryggere motpart og forbedre banevalg og utførelsesrettferdighet.

"Teknologi + Økologi: Den perfekte tiden å tilhøre Monad"

Dataegenskaper varierer mellom ulike økosystemer i offentlige kjeder: Solana har høyhastighetstransaksjoner og aktive brukere, men på grunn av at et stort antall kontrakter er lukket kildekode, er dataene som er tilgjengelige for opplæring begrenset; Selv om Ethereum og andre EVM-kjeder har åpne data, er de begrenset av ytelsesflaskehalser, og den generelle transaksjonsatferden er konservativ og datatettheten er lav.

Monad oppnår en sjelden balanse mellom ytelse og transparens - den kombinerer høy gjennomstrømning i Solana-stil med en aggressiv handelsstil, samtidig som den beholder lesbarheten og åpenheten som EVM-arkitekturen gir. Dette gir aPriori den ideelle jorda for å bygge neste generasjon ordreflytgjenkjenningsmodeller.

"Brukerdata handler ikke bare om engasjement, det handler om å trene neste generasjons handelsintelligens."

Community Data Contribution Program: For å trene AI til å gjenkjenne transaksjonsatferd mer intelligent, har aPriori lansert et fellesskapsengasjert databidragsprogram. Hver bruker kan hjelpe modellen med å bedre "forstå" verdenen på kjeden ved å fullføre følgende enkle handlinger.

· Bindende lommebøker: Koble sammen brukernes ofte brukte lommebokadresser for å gi en mer fullstendig oversikt over atferd.

· Støtte kjede:Ethereum, BNB-kjede, Monad-testnett;

· Synkroniserte sosiale kontoer: Koble eventuelt Twitter, Discord, etc. for å legge til flere identitetsledetråder;

· Innsjekking og oppgavesporing: Det dedikerte panelet viser brukerpåloggingsoppføringer, transaksjonsatferd og bidragsfremdrift.

Disse dataene kan hjelpe systemet med å avgjøre hvilke adresser som tilhører samme bruker og om det er samarbeidsoperasjoner, noe som forbedrer AIs evne til å identifisere transaksjonstyper og risikoer.

"Hvordan vet du om en transaksjon inneholder giftig flyt?"

I Swaprs kjernemotor evalueres hver transaksjon av en AI-modell før den bekreftes, hovedsakelig med henvisning til følgende punkter:

· Selve transaksjonen: kjøps- og salgsretning, valutabane, gass, håndteringsgebyrer, glidning, etc.;

· Adressehistorikk: transaksjonsfrekvens, tidligere oppførsel, endringer i eiendeler;

· Markedsreaksjon: prishandling innen 1 sekund til 24 timer etter handel;

· Resultatvurdering: Om transaksjonen er lønnsom til forskjellige tider og om den kan skade LP.

Modellen identifiserer om hver transaksjon tilhører en "giftig flyt", for eksempel arbitrasje eller klemming, og bestemmer dens potensielle trussel mot rettferdigheten til systemet.

"Jo mer kompleks modellen er, jo bedre, men jo mer du forstår handel, jo mer verdifull er den."

Fra Rule Engine til AI Neural Network: aPriori er ikke begrenset til en enkelt algoritme, men blander tradisjonelle modeller (XGBoost, LightGBM) med tidsmodeller (RNN, Transformer). Førstnevnte er effektiv til å tolke strukturerte data, mens sistnevnte er god til å fange opp atferdsendringer i tidsserier.

Swapr tar til slutt i bruk en Ensemble-arkitektur, der ulike undermodeller lærer av sine respektive datadimensjoner og tidsvinduer, og etter fusjonspoengene kan de reagere på kompleks handelsatferd mer nøyaktig.

«Bak en transaksjon, hvem konspirerer til arbitrasje?»

Arbitrasjeatferd gjøres vanligvis ikke av en enkelt lommebok, men er et resultat av at flere adresser jobber sammen. Ved å identifisere disse "atferdsgruppene" kan systemet forutsi potensielle arbitrasjegrupper og forhindre "giftig flyt" fra å konsentrere seg om LP-er.

"Gjør AI til en del av handelsutførelsen"

Med overfloden av treningsdata er Swaprs identifikasjonssystem i ferd med å bli et kjernepunkt i forskjellen i DeFi-ruting. Det gir ikke bare bedre sitater, men justerer også dynamisk likviditetsretningen, og beskytter interessene til både brukere og LP-er.

Grunnlegger Ray understreket: "En ekte DeFi-utførelsesmotor kan forstå, bedømme og vite hvordan man beskytter systemet. Vi håper at Swapr vil være det første inngangspunktet for handel som kan 'tenke'."

Denne artikkelen er fra et bidrag og representerer ikke synspunktene til BlockBeats.

8,45k

Innholdet på denne siden er levert av tredjeparter. Med mindre annet er oppgitt, er ikke OKX forfatteren av de siterte artikkelen(e) og krever ingen opphavsrett til materialet. Innholdet er kun gitt for informasjonsformål og representerer ikke synspunktene til OKX. Det er ikke ment å være en anbefaling av noe slag og bør ikke betraktes som investeringsråd eller en oppfordring om å kjøpe eller selge digitale aktiva. I den grad generativ AI brukes til å gi sammendrag eller annen informasjon, kan slikt AI-generert innhold være unøyaktig eller inkonsekvent. Vennligst les den koblede artikkelen for mer detaljer og informasjon. OKX er ikke ansvarlig for innhold som er vert på tredjeparts nettsteder. Beholdning av digitale aktiva, inkludert stablecoins og NFT-er, innebærer en høy grad av risiko og kan svinge mye. Du bør nøye vurdere om handel eller innehav av digitale aktiva passer for deg i lys av din økonomiske tilstand.