Então, o que exatamente é @AlloraNetwork? 1/ Objetivo do projeto: Construir um ecossistema colaborativo de IA que supere as limitações das IAs individuais (incluindo autoaperfeiçoamento e camadas inteligentes) 2/ O objetivo final é reunir modelos de IA para criar um modelo de inferência mais preciso e vender esse produto. 3/ Então, como funcionam os três elementos (Trabalhadores, Reputadores, Coordenadores) que operam a Allora? 4/ Vamos supor que você seja um consumidor do modelo de inferência de Allora e tenha feito a pergunta: "$BTC preço após a reunião do Fed de 30 de julho, ele subirá ou cairá?" 5/ Primeiro, vários Trabalhadores que ingressaram na Allora fornecem inferências diferentes. • Trabalhador A: O BTC ultrapassará US$ 125.000 até 30 de julho + preencherá a lacuna da CME em US$ 114,5 mil, com uma meta de US$ 134 mil. • Trabalhador B: US$ 130.000 se o Fed for dovish, US$ 110.000 se hawkish + entrada contínua de fundos de ETF, risco reduzido devido a acordos comerciais. • Trabalhador C: Possível queda para US$ 115.000 após uma correção de curto prazo + pressão de oferta da venda de baleias de US$ 9 bilhões. 6/ E então os Reputers verificam os resultados. (Supondo o resultado: o preço do BTC é de US$ 127.500, o Fed anuncia um corte de 0,25% na taxa) • Trabalhador A: 8/10 (direção correta, alvo fechado) • Trabalhador B: 9/10 (cenário previsto com precisão) • Trabalhador C: 3/10 (direção completamente errada) 7/ Resumo dos Coordenadores • Alta precisão do Trabalhador B → 40% de peso para a próxima previsão (recompensa de alta $ALLO) • Desempenho decente do Trabalhador A → 35% de peso (recompensa média $ALLO) • Baixa precisão do Trabalhador C → 25% de peso (baixa recompensa $ALLO) 8/ Dessa forma, o Allora alcança o 'autoaperfeiçoamento' e cria serviços de inferência que produzem previsões mais precisas.