Remodelarea jocului on-chain: Cum proiectul principal al Monad, aPriori, a condus revoluția comerțului cu inteligența artificială, iar planul de contribuție a datelor a fost lansat simultan

Sursa originală: aPriori

Pariuri grele ale instituțiilor de top precum Pantera Capital, YZi Lab, OKX Ventures și multe altele, aPriori reconstruiește convingerile care stau la baza tranzacționării descentralizate. Membrii de bază ai proiectului provin de la Jump, Coinbase, Citadel Securities și dYdX, combinând tehnologia nativă on-chain cu experiența practică în tranzacționarea de înaltă frecvență pe Wall Street, aPriori construiește un sistem de execuție a tranzacțiilor de ultimă generație pe lanțuri publice de înaltă performanță, injectând o infrastructură de tranzacționare cu adevărat competitivă în DeFi.

aPriori rescrie complet procesul de tranzacție on-chain: prin agregatoare DEX bazate pe inteligență artificială și module de staking de lichiditate susținute de MEV, aPriori integrează ordinele de la plasarea comenzilor, potrivindu-le cu randamentul în buclă închisă, într-un sistem de produse durabil.

După lansarea de către echipă a agregatorului DEX bazat pe inteligență artificială Swapr săptămâna trecută, aPriori și-a pus ochii pe "creierul de recunoaștere" al tranzacțiilor on-chain, cunoscut sub numele de sistemul de segmentare a fluxului de ordine. Acest sistem combină etichetarea comportamentală, gruparea portofelelor, analiza AI și mecanismele de feedback on-chain, cu scopul de a face fiecare tranzacție mai inteligentă și mai echitabilă, evitând "fluxul toxic", cum ar fi derapajul de arbitraj și trimițând lichiditate acolo unde ar trebui să meargă cel mai mult. Nu numai că face tranzacțiile mai inteligente, dar face și fluxul întregii piețe on-chain mai ordonat și mai de încredere.

"Înțelegerea fiecărei tranzacții este punctul de plecare pentru o execuție corectă."

Recunoașterea fluxului de ordine este una dintre tehnologiile de bază ale aPriori, care analizează comportamentul tranzacțiilor, istoricul portofelului și reacția pieței pentru a determina dacă o tranzacție este o operațiune normală a utilizatorului sau un "flux toxic", cum ar fi arbitrajul sau ciupirea. În comparație cu tranzacțiile tradiționale care analizează doar dacă tranzacția este executată, această metodă de identificare poate filtra riscurile potențiale mai devreme, poate oferi LP-urilor o contraparte mai sigură și poate îmbunătăți selecția căii și corectitudinea execuției.

"Tehnologie + Ecologie: Momentul perfect pentru a aparține Monadei"

Caracteristicile datelor variază între diferitele ecosisteme ale lanțului public: Solana are tranzacții de mare viteză și utilizatori activi, dar din cauza unui număr mare de contracte care sunt cu sursă închisă, datele disponibile pentru instruire sunt limitate; Deși Ethereum și alte lanțuri EVM au date deschise, acestea sunt limitate de blocajele de performanță, iar comportamentul general al tranzacțiilor este conservator și densitatea datelor este scăzută.

Monad realizează un echilibru rar între performanță și transparență - combină randamentul ridicat în stil Solana cu un stil de tranzacționare agresiv, păstrând în același timp lizibilitatea și deschiderea aduse de arhitectura EVM. Acest lucru oferă aPriori solul ideal pentru a construi următoarea generație de modele de recunoaștere a fluxului de comenzi.

"Datele utilizatorilor nu se referă doar la implicare, ci la antrenarea următoarei generații de informații comerciale."

Programul de contribuție la date comunitare: Pentru a antrena AI să recunoască comportamentul tranzacțiilor mai inteligent, aPriori a lansat un program de contribuție la date implicat în comunitate. Fiecare utilizator poate ajuta modelul să "înțeleagă" mai bine lumea on-chain prin efectuarea următoarelor acțiuni simple.

· Portofele de legare: Conectați adresele de portofel utilizate frecvent ale utilizatorilor pentru a oferi o imagine mai completă a comportamentului.

· Lanț de sprijin:Ethereum, BNB Chain, Monad testnet;

· Conturi sociale sincronizate: opțional conectați Twitter, Discord etc. pentru a adăuga mai multe indicii de identitate;

· Check-in și urmărirea sarcinilor: Panoul dedicat afișează înregistrările de conectare ale utilizatorilor, comportamentul tranzacțiilor și progresul contribuției.

Aceste date pot ajuta sistemul să determine ce adrese aparțin aceluiași utilizator și dacă există operațiuni de colaborare, îmbunătățind capacitatea AI de a identifica tipurile de tranzacții și riscurile.

"Cum îți dai seama dacă o tranzacție conține flux toxic?"

În motorul de bază al Swapr, fiecare tranzacție este evaluată de un model AI înainte de a fi confirmată, referindu-se în principal la următoarele puncte:

Tranzacția în sine: direcția de cumpărare și vânzare, traiectoria valutară, gazul, comisioanele de manipulare, derapajul etc.;

· Istoricul adreselor: frecvența tranzacțiilor, comportamentul trecut, modificările activelor;

· Reacția pieței: acțiunea prețului în decurs de 1 secundă până la 24 de ore după tranzacționare;

Judecata de profit: dacă tranzacția este profitabilă în momente diferite și dacă poate afecta LP.

Modelul identifică dacă fiecare tranzacție aparține unui "flux toxic", cum ar fi arbitrajul sau ciupirea, și determină potențiala amenințare la adresa corectitudinii sistemului.

"Cu cât modelul este mai complex, cu atât mai bine, dar cu cât înțelegi mai bine tranzacționarea, cu atât este mai valoroasă."

De la Rule Engine la AI Neural Network: aPriori nu se limitează la un singur algoritm, ci îmbină modele tradiționale (XGBoost, LightGBM) cu modele de sincronizare (RNN, Transformer). Prima este eficientă în interpretarea datelor structurate, în timp ce cea de-a doua este bună în captarea schimbărilor comportamentale în seriile temporale.

Swapr adoptă în cele din urmă o arhitectură Ensemble, în care diferite submodele învață din dimensiunile lor de date și ferestrele de timp respective și, după scorurile de fuziune, pot răspunde mai precis la comportamente complexe de tranzacționare.

"În spatele unei tranzacții, cine conspiră pentru arbitraj?"

Comportamentul de arbitraj nu este de obicei realizat de un singur portofel, ci este rezultatul mai multor adrese care lucrează împreună. Prin identificarea acestor "grupuri de comportament", sistemul poate prezice potențialele grupuri de arbitraj și poate împiedica "fluxul toxic" să se concentreze pe LP-uri.

"Faceți ca AI să facă parte din execuția tranzacțiilor"

Odată cu abundența de date de antrenament, sistemul de identificare al Swapr devine un punct central de diferență în rutele DeFi. Nu numai că aduce cotații mai bune, dar ajustează dinamic direcția lichidității, protejând atât interesele utilizatorilor, cât și ale LP-urilor.

Fondatorul Ray a subliniat: "Un adevărat motor de execuție DeFi poate înțelege, judeca și ști cum să protejeze sistemul. Sperăm că Swapr va fi primul punct de intrare pentru tranzacționare care poate "gândi"."

Acest articol este dintr-o contribuție și nu reprezintă punctele de vedere ale BlockBeats.