Alors, qu'est-ce que @AlloraNetwork exactement ? 1/ Objectif du projet : Construire un écosystème d'IA collaboratif qui dépasse les limitations des IA individuelles (y compris l'auto-amélioration et les couches intelligentes) 2/ L'objectif ultime est de rassembler des modèles d'IA pour créer un modèle d'inférence plus précis et vendre ce produit. 3/ Alors, comment fonctionnent les trois éléments (Travailleurs, Réputateurs, Coordinateurs) qui opèrent Allora ? 4/ Supposons que vous êtes un consommateur du modèle d'inférence d'Allora et que vous avez posé la question : "$BTC prix après la réunion de la Fed du 30 juillet, va-t-il augmenter ou diminuer ?" 5/ Tout d'abord, divers Travailleurs qui ont rejoint Allora fournissent différentes inférences. • Travailleur A : BTC atteindra 125 000 $ d'ici le 30 juillet + a comblé le gap CME à 114,5 K$, avec un objectif de 134 K$. • Travailleur B : 130 000 $ si la Fed est accommodante, 110 000 $ si elle est restrictive + afflux continu de fonds ETF, risque réduit grâce aux accords commerciaux. • Travailleur C : Possible chute à 115 000 $ après une correction à court terme + pression de l'offre due à la vente de 9 milliards de dollars par une baleine. 6/ Ensuite, les Réputateurs vérifient les résultats. (Supposons le résultat : le prix du BTC est de 127 500 $, la Fed annonce une baisse de taux de 0,25 %) • Travailleur A : 8/10 (direction correcte, objectif proche) • Travailleur B : 9/10 (scénario prédit avec précision) • Travailleur C : 3/10 (direction complètement erronée) 7/ Résumé des Coordinateurs • Haute précision du Travailleur B → 40% de poids pour la prochaine prédiction (récompense $ALLO élevée) • Performance décente du Travailleur A → 35% de poids (récompense $ALLO moyenne) • Basse précision du Travailleur C → 25% de poids (récompense $ALLO faible) 8/ De cette manière, Allora réalise 'l'auto-amélioration' et crée des services d'inférence qui produisent des prédictions plus précises.