Então, o que exatamente é @AlloraNetwork? 1/ Objetivo do projeto: Construir um ecossistema de IA colaborativa 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 o Allora? 4/ Vamos supor que você é um consumidor do modelo de inferência do Allora e fez a pergunta: "$BTC preço após a reunião do Fed em 30 de julho, vai subir ou cair?" 5/ Primeiro, vários Trabalhadores que se juntaram ao Allora fornecem diferentes inferências. • Trabalhador A: BTC vai ultrapassar $125.000 até 30 de julho + preencheu o gap da CME em $114,5K, com um alvo de $134K. • Trabalhador B: $130.000 se o Fed for dovish, $110.000 se for hawkish + fluxo contínuo de fundos ETF, risco reduzido devido a acordos comerciais. • Trabalhador C: Possível queda para $115.000 após uma correção de curto prazo + pressão de oferta devido à venda de $9 bilhões de uma baleia. 6/ E então os Reputadores verificam os resultados. (Supondo o resultado: preço do BTC é $127.500, Fed anuncia um corte de taxa de 0,25%) • Trabalhador A: 8/10 (direção correta, alvo próximo) • 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 (alta recompensa $ALLO) • Desempenho decente do Trabalhador A → 35% de peso (recompensa média $ALLO) • Baixa precisão do Trabalhador C → 25% de peso (baixa recompensa $ALLO) 8/ Desta forma, o Allora alcança 'autoaperfeiçoamento' e cria serviços de inferência que geram previsões mais precisas.