Omformning av On-Chain-spelet: Hur Monads ledande projekt, aPriori, ledde handelsrevolutionen med AI, och datakontributionsplanen lanserades samtidigt

Ursprunglig källa: aPriori

Tunga satsningar av toppinstitutioner som Pantera Capital, YZi Lab, OKX Ventures och mer, aPriori rekonstruerar de underliggande övertygelserna om decentraliserad handel. Kärnmedlemmarna i projektet kommer från Jump, Coinbase, Citadel Securities och dYdX, och kombinerar on-chain inbyggd teknik med praktisk erfarenhet av högfrekvent handel på Wall Street, aPriori bygger ett nästa generations transaktionsexekveringssystem på högpresterande offentliga kedjor, vilket injicerar en verkligt konkurrenskraftig handelsinfrastruktur i DeFi.

aPriori skriver helt om transaktionsprocessen på kedjan: genom AI-drivna DEX-aggregatorer och MEV-stödda likviditetsinsatsmoduler integrerar aPriori order från orderläggning, matchning till avkastning sluten slinga, till ett hållbart produktsystem.

Efter teamets lansering av den AI-drivna DEX-aggregatorn Swapr förra veckan har aPriori siktet inställt på "igenkänningshjärnan" för transaktioner på kedjan, känt som Order Flow Segmentation-systemet. Detta system kombinerar beteendemärkning, plånboksklustring, AI-analys och återkopplingsmekanismer i kedjan, med målet att göra varje transaktion smartare och rättvisare, undvika "giftigt flöde" som arbitrageglidning och skicka likviditeten dit den borde gå mest. Det gör inte bara transaktionerna smartare, utan gör också flödet på hela on-chain-marknaden mer ordnat och förtroendefullt.

"Att förstå varje transaktion är utgångspunkten för ett rättvist genomförande."

Orderflödesigenkänning är en av aPrioris kärnteknologier, som analyserar transaktionsbeteende, plånbokshistorik och marknadsreaktion för att avgöra om en transaktion är en normal användaroperation eller ett "giftigt flöde" som arbitrage eller pinching. Jämfört med traditionella transaktioner som bara tittar på om transaktionen utförs, kan den här identifieringsmetoden filtrera potentiella risker tidigare, ge LP:er en säkrare motpart och förbättra vägval och rättvisa utförande.

"Teknik + Ekologi: Den perfekta tiden att tillhöra Monad"

Dataegenskaperna varierar mellan olika ekosystem för offentliga kedjor: Solana har höghastighetstransaktioner och aktiva användare, men på grund av att ett stort antal kontrakt är slutna källor är de data som är tillgängliga för utbildning begränsade; Även om Ethereum och andra EVM-kedjor har öppna data, är de begränsade av flaskhalsar i prestanda, och det övergripande transaktionsbeteendet är konservativt och datadensiteten är låg.

Monad uppnår en sällsynt balans mellan prestanda och transparens - den kombinerar hög genomströmning i Solana-stil med en aggressiv handelsstil, samtidigt som den behåller läsbarheten och öppenheten som EVM-arkitekturen ger. Detta ger aPriori den idealiska jordmånen för att bygga nästa generation av modeller för igenkänning av orderflöden.

"Användardata handlar inte bara om engagemang, det handlar om att träna nästa generations handelsintelligens."

Community Data Contribution Program: För att träna AI att känna igen transaktionsbeteende på ett mer intelligent sätt har aPriori lanserat ett program för samhällsengagerad datakontribution. Varje användare kan hjälpa modellen att bättre "förstå" världen på kedjan genom att utföra följande enkla åtgärder.

Bindande plånböcker: Anslut användarnas ofta använda plånboksadresser för att ge en mer fullständig bild av beteendet.

· Stödkedja:Ethereum, BNB Chain, Monad testnet;

· Synkroniserade sociala konton: Länka eventuellt Twitter, Discord, etc. för att lägga till fler identitetsledtrådar;

· Incheckning och uppgiftsspårning: Den dedikerade panelen visar användarens inloggningsregister, transaktionsbeteende och bidragsförlopp.

Dessa data kan hjälpa systemet att avgöra vilka adresser som tillhör samma användare och om det finns samarbetsoperationer, vilket förbättrar AI:s förmåga att identifiera transaktionstyper och risker.

"Hur vet man om en transaktion innehåller giftigt flöde?"

I Swaprs kärnmotor utvärderas varje transaktion av en AI-modell innan den bekräftas, främst med hänvisning till följande punkter:

· Själva transaktionen: köp- och säljriktning, valutabana, gas, hanteringsavgifter, glidning, etc.;

· Adresshistorik: transaktionsfrekvens, tidigare beteende, tillgångsförändringar;

· Marknadsreaktion: prisåtgärder inom 1 sekund till 24 timmar efter handel;

Vinstbedömning: Om transaktionen är lönsam vid olika tidpunkter och om den kan skada LP.

Modellen identifierar om varje transaktion tillhör ett "giftigt flöde", såsom arbitrage eller pinching, och avgör dess potentiella hot mot systemets rättvisa.

"Ju mer komplex modellen är, desto bättre, men ju mer du förstår handel, desto mer värdefull är den."

Från Rule Engine till AI Neural Network: aPriori är inte begränsat till en enda algoritm, utan blandar traditionella modeller (XGBoost, LightGBM) med timingmodeller (RNN, Transformer). Den förstnämnda är effektiv på att tolka strukturerad data, medan den senare är bra på att fånga beteendeförändringar i tidsserier.

Swapr antar i slutändan en Ensemble-arkitektur, där olika delmodeller lär sig från sina respektive datadimensioner och tidsfönster, och efter fusionspoängen kan de reagera på komplexa handelsbeteenden mer exakt.

"Vem är det som konspirerar till arbitrage bakom en transaktion?"

Arbitragebeteende görs vanligtvis inte av en enda plånbok, utan är resultatet av att flera adresser arbetar tillsammans. Genom att identifiera dessa "beteendegrupper" kan systemet förutsäga potentiella arbitragegrupper och förhindra att "toxiskt flöde" koncentreras på LP:er.

"Gör AI till en del av handelns utförande"

Med överflödet av träningsdata håller Swaprs identifieringssystem på att bli en central skillnad i DeFi-routing. Det ger inte bara bättre offerter, utan justerar också dynamiskt likviditetens riktning, vilket skyddar både användarnas och LP:s intressen.

Grundaren Ray betonade: "En sann DeFi-exekveringsmotor kan förstå, bedöma och veta hur man skyddar systemet. Vi hoppas att Swapr kommer att vara den första ingångspunkten för handel som kan 'tänka'."

Den här artikeln är från ett bidrag och representerar inte BlockBeats åsikter.