What is @AlloraNetwork ?🧵

想象一下这样一个世界：人工智能预测不仅准确，而且以去中心化的方式共享、改进和奖励。 这就是阿洛拉。 简单来说👇，这是它的工作原理

工作中的人工智能代理： - Allora 网络中的 AI 代理分析数据并创建预测（称为推理）。 - 这些预测在点对点网络中共享。

团队合作让梦想成真： - 第二组 AI 代理评估这些预测以检查其质量。 - 使用巧妙的共识机制，该网络结合了最好的见解，创建了一个超准确的集体预测，这比任何单个人工智能单独实现的都要好。

贡献奖励： - 该网络根据人工智能代理对最终预测的贡献程度来奖励他们。 - 这激励每个人不断改进和适应新的挑战。

弥合差距： Allora 将数据所有者、人工智能模型和最终用户连接起来，他们可以根据这些见解采取行动，所有这些都在虚拟机 （VM） 的安全区块链网络中进行。

An example of an @AlloraNetwork end product?

The @AlloraNetwork tested different AI forecasting models to predict BTC/USD prices every 5 minutes over 500 rounds. Here’s the breakdown in simple terms: What they Measured: They looked at "log loss" (lower is better) to see how accurate the models were. Black dashed line: Basic network prediction. Grey dash-dotted line: Best single AI worker. Model Variations: Thin colored lines: Models predicting different things (raw regret, raw loss, or regret z-score). Solid lines: One combined model. Dashed lines: Models for individual AI workers. Colors: Different smoothing periods (blue = 3, orange = 7, green = 3+7, red = 7+14+30). Key Finding: Shorter smoothing periods (3 or 7) usually performed best, but the differences were small.

深入研究每 5 分钟预测一次 BTC/USD 价格的人工智能模型。 您可以找到以下内容： 关键见解：为单个 AI 工作者（每个推断者）量身定制的模型击败了单个组合模型，有些模型甚至超过了最好的单独 AI 工作者 模型性能： 表现最差： 预测原始损失的模型。组合模型比基础网络更差，即使是每个推断器模型也无法击败顶级 AI 工作者。 表现最好的人： 预测后悔 z 分数的每个推断器模型是明星，击败了基本网络和最佳人工智能工作者。预测原始后悔的模型紧随其后。 警告： 结果略有不同，因此混合使用模型类型是最佳预测的理想选择。