إعادة تشكيل اللعبة على السلسلة: كيف يقود مشروع Monad الرائد ، aPriori ، ثورة التداول باستخدام الذكاء الاصطناعي ، ويتم إطلاق خطة مساهمة البيانات في وقت واحد

الرهانات الثقيلة من قبل المؤسسات الكبرى مثل Pantera Capital و YZi Lab و OKX Ventures والمزيد ، تقوم aPriori بإعادة بناء المعتقدات الأساسية للتداول اللامركزي. يأتي الأعضاء الأساسيون في المشروع من Jump و Coinbase و Citadel Securities و dYdX ، حيث يجمعون بين التكنولوجيا الأصلية على السلسلة والخبرة العملية في التداول عالي التردد في وول ستريت ، وتقوم aPriori ببناء نظام تنفيذ معاملات من الجيل التالي على سلاسل عامة عالية الأداء ، مما يضخ بنية تحتية تداول تنافسية حقا في DeFi.

تقوم aPriori بإعادة كتابة عملية المعاملات على السلسلة بالكامل: من خلال مجمعات DEX التي تعمل بالطاقة الذكاء الاصطناعي ووحدات تخزين السيولة المدعومة من MEV ، تدمج aPriori الطلبات من الطلب ، والمطابقة إلى الحلقة المغلقة ، في نظام منتج مستدام.

بعد إطلاق الفريق لمجمع DEX المدعوم من الذكاء الاصطناعي Swapr الأسبوع الماضي ، وضعت aPriori نصب عينيها "عقل تحديد الهوية" للمعاملات على السلسلة ، والمعروف باسم نظام تجزئة تدفق الطلبات. يجمع هذا النظام بين وضع العلامات السلوكية ، وتجميع المحفظة ، وتحليل الذكاء الاصطناعي ، وآليات التغذية الراجعة على السلسلة ، بهدف جعل كل معاملة أكثر ذكاء وعدلا ، وتجنب "التدفق السام" مثل انزلاق المراجحة ، وإرسال السيولة إلى حيث تريد أن تذهب. إنه لا يجعل المعاملات أكثر ذكاء فحسب ، بل يجعل تدفق السوق بأكمله على السلسلة أكثر تنظيما وثقة.

"فهم كل معاملة هو نقطة البداية للتنفيذ العادل."

يعد التعرف على تدفق الطلب أحد تقنيات aPriori الأساسية ، والتي تحلل سلوك المعاملات وسجل المحفظة ورد فعل السوق لتحديد ما إذا كانت المعاملة عملية مستخدم عادية أو "تدفق سام" مثل المراجحة أو القرص. بالمقارنة مع المعاملات التقليدية التي تنظر فقط إلى ما إذا كانت المعاملة قد تم تنفيذها أم لا، يمكن لطريقة التعريف هذه تصفية المخاطر المحتملة في وقت مبكر، وتزويد مزودي السيولة بطرف مقابل أكثر أمانا، وتحسين اختيار المسار وعدالة التنفيذ.

"التكنولوجيا + البيئة: الوقت المثالي للانتماء إلى Monad"

تختلف خصائص البيانات بين النظم البيئية المختلفة للسلاسل العامة: لدى Solana معاملات عالية السرعة ومستخدمون نشطون ، ولكن نظرا لأن العدد الكبير من العقود مغلقة المصدر ، فإن البيانات المتاحة للتدريب محدودة. على الرغم من أن Ethereum وسلاسل EVM الأخرى لديها بيانات مفتوحة ، إلا أنها محدودة بسبب اختناقات الأداء ، وسلوك المعاملة العام متحفظ وكثافة البيانات منخفضة.

يحقق Monad توازنا نادرا بين الأداء والشفافية - فهو يجمع بين الإنتاجية العالية على غرار Solana وأسلوب التداول القوي ، مع الاحتفاظ بقابلية القراءة والانفتاح الذي توفره بنية EVM. يوفر هذا ل aPriori التربة المثالية لبناء الجيل التالي من نماذج التعرف على تدفق الطلبات.

"لا تتعلق بيانات المستخدمين بالمشاركة فحسب ، بل تتعلق أيضا بتدريب الجيل القادم من ذكاء التداول."

برنامج مساهمة بيانات المجتمع: لتدريب الذكاء الاصطناعي على التعرف على سلوك المعاملات بشكل أكثر ذكاء ، أطلقت aPriori برنامج مساهمة البيانات المشاركة في المجتمع. يمكن لكل مستخدم مساعدة النموذج على "فهم" العالم على السلسلة بشكل أفضل من خلال إكمال الإجراءات البسيطة التالية.

• المحفظة الملزمة: قم بتوصيل عناوين محفظة المستخدمين شائعة الاستخدام لتوفير عرض أكثر اكتمالا للسلوك.

• السلاسل المدعومة: Ethereum و BNB Chain و Monad Testnet ؛

• الحسابات الاجتماعية المتزامنة: اتصل اختياريا بتويتر وDiscord وما إلى ذلك لإضافة المزيد من أدلة الهوية؛

• تسجيل الوصول وتعقب المهام: تعرض اللوحات المخصصة سجلات تسجيل وصول المستخدم وسلوك المعاملة وتقدم المساهمة.

يمكن أن تساعد هذه البيانات النظام في تحديد العناوين التي تنتمي إلى نفس المستخدم وما إذا كانت هناك عمليات تعاونية ، مما يحسن قدرة الذكاء الاصطناعي على تحديد أنواع المعاملات والمخاطر.

"كيف يمكنك معرفة ما إذا كانت المعاملة تحتوي على تدفق سام؟"

في محرك Swapr الأساسي ، يتم تقييم كل معاملة بواسطة نموذج الذكاء الاصطناعي قبل تأكيدها ، مع الإشارة بشكل أساسي إلى النقاط التالية:

• المعاملة نفسها: اتجاه البيع والشراء ، مسار العملة ، الغاز ، رسوم المناولة ، الانزلاق ، إلخ ؛

• سجل العناوين: تكرار المعاملات ، والسلوك السابق ، وتغييرات الأصول ؛

• رد فعل السوق: حركة السعر في غضون ثانية واحدة إلى 24 ساعة بعد التداول ؛

• الحكم على الربح: ما إذا كانت الصفقة مربحة في أوقات مختلفة وما إذا كانت قد تضر ب LP.

ويحدد النموذج ما إذا كانت كل معاملة تنتمي إلى "تدفق سام"، مثل المراجحة أو القرص، ويحدد تهديدها المحتمل لعدالة النظام.

"كلما كان النموذج أكثر تعقيدا ، كان ذلك أفضل ، ولكن كلما فهمت المعاملة ، زادت قيمتها."

من محرك القاعدة إلى الشبكة العصبية الذكاء الاصطناعي: لا يقتصر aPriori على خوارزمية واحدة ، ولكنه يمزج بين النماذج التقليدية (XGBoost ، LightGBM) مع نماذج التوقيت (RNN ، Transformer). الأول فعال في تفسير البيانات المنظمة ، في حين أن الأخير جيد في التقاط التغييرات السلوكية في السلاسل الزمنية.

تتبنى Swapr في النهاية بنية Ensemble ، حيث تتعلم النماذج الفرعية المختلفة من أبعاد البيانات والنوافذ الزمنية الخاصة بها ، وبعد درجات الاندماج ، يمكنها الاستجابة لسلوكيات التداول المعقدة بشكل أكثر دقة.

"وراء الصفقة ، من يتواطأ على المراجحة؟"

عادة لا يتم إجراء سلوك المراجحة بواسطة محفظة واحدة ، ولكنه نتيجة لعناوين متعددة تعمل معا. من خلال تحديد هذه "مجموعات السلوك" ، يمكن للنظام التنبؤ بمجموعات المراجحة المحتملة ومنع "التدفق السام" من التركيز على LPs.

"اجعل الذكاء الاصطناعي جزءا من تنفيذ التجارة"

مع وفرة بيانات التدريب ، أصبح نظام تحديد هوية Swapr نقطة اختلاف أساسية في توجيه DeFi. إنه لا يجلب عروض أسعار أفضل فحسب ، بل يضبط أيضا اتجاه السيولة ديناميكيا ، ويحمي مصالح كل من المستخدمين ومزودي السيول.

أكد المؤسس راي: "يمكن لمحرك تنفيذ DeFi الحقيقي فهم النظام والحكم عليه ومعرفة كيفية حمايته. نأمل أن يكون Swapr أول نقطة دخول للتداول يمكنها "التفكير". ”