jakiro
Autor: Revelointel Quelle: Substack Übersetzung: Shan Oubba, Bitchain Vision
KI ist eine der mächtigsten Erzählungen im Bereich der Kryptowährung.Erst gestern kündigte Apple eine bedeutende Integration in OpenAI an, die die Generierung der KI -Anwendung in die Hände des Benutzers bringt.Die anhaltende steigende NVDA (NVIDA) hat das Interesse der Einheimischen der einheimischen Kryptowährung verursacht, die sich an die Branche wenden möchten.Obwohl es in der Tat eine Nachfrage nach benachbarten Vermögenswerten in Kryptowährungen gibt, gibt es nicht viele Projekte, die tatsächlich KI in Betrieb nehmen …
In diesem Artikel werden wir uns auf Stoßfänger konzentrieren.Stopper basiert auf der anfänglichen Prämisse des Schutzes von Abwärtsrisiken und führt die KI in eine neue Richtung.Stopper ist ein neuartiges Defi -Protokoll, das den traditionellen Derivatmarkt durch eine einfache, faire und dezentrale Methode zur Absicherungspreisrisiko verbessert.Die Vereinbarung verwendet ein Instrument zur Verhütung von Verlusten, um einen Preisschutz für den Zusammenbruch des Marktes und die Abwärtsschwankungen zu bieten.Das Konzept der Stoßfänger dreht sich um die Einrichtung von fairen Einkommens- und Verlustverteilungsverfahren auf dem Risikomarkt.Unter anderem als der traditionelle Konfrontationsmarkt (normalerweise Gewinner und Verlierer) ist die Motivation von Stopper darin, ein System zu schaffen, das Fairness und legitime Ressourcenallokation fördert.Der Zweck von Stoßfänger ist es, eine Einrichtung für gegenseitige Hilfspreisrisiko zu liefern, die die Minimierung persönlicher Verluste vorrangig macht, anstatt persönliche Gewinne zu maximieren.Durch die Beachtung des Risikomanagements und des Schutzes ist Stoßfänger ein sichereres und zuverlässiges Umfeld für Teilnehmer des Defi -Ökosystems geschaffen.
Wie Sie wissen, sind Kryptowährungen im Wesentlichen Volatilität.Dies ist das Gebiet der KI -Integration von Stoßfänger.
Stoßfänger Hintergrund
Stopper ist ein typisches Projekt, das sich für die Verbesserung seiner bestehenden Vereinbarung durch KI einsetzt.Wie erwartet dreht sich die KI -Integrationsstrategie von Stopper um drei wichtige KI -Technologie -Stapel.
-
Preisprognose
-
Emotionale Analyse
-
Technische Analyse
Um die Genauigkeit und Wirksamkeit seines Vorhersagemodells zu überprüfen, verwendet Stopper eine proprietäre Agentenmodell -Basis -Methode (ABM).ABM ist eine Computertechnologie, die ihre Auswirkungen auf das Gesamtsystem bewertet, indem die Aktionen und Interaktionen autonomer Proxy (wie Einzelpersonen, Gruppen oder Entitäten) simuliert werden.Diese Agenten befolgen die vordefinierten Regeln und können basierend auf ihrer Erfahrung und Interaktion lernen, sich anpassen und weiterentwickeln.
Agent ist wichtig, da Stopper als Marktgeschäft und Empfänger als bilateraler Markt fungiert: Der Benutzer einer Partei kann Risiken absichern und Prämien zahlen, indem sie den Grundpreis sperren, und die Benutzer der anderen Partei in stabile Währungsliquidität einlegen, um Leistungen zu erzielen.Um die Bedürfnisse beider Märkte zu erfüllen, muss der Preis der Prämienkosten optimiert werden: Wenn es zu teuer ist, wird der Empfänger nicht teilnehmen. Sie müssen Risiken tragen.Mit der Änderung der Preisschwankungen und der Volatilität wird es komplizierter, einen Gleichgewichtspunkt zu finden.Aus diesem Grund ist das ABM -Tool von Stoßter so wichtig, da es den Premium -Preis dynamisch entsprechend der realen Volatilität anpassen, das Signal von LLMs (großes Sprachmodell) absorbieren, den Markttrend vorhaben und sich aktiv wieder verbinden können.
Durch diese ABM-Methode, die die KI-Integrationsstrategien unterstützt, sagt Stopper voraus, dass seine Übereinstimmungseffizienz die Wirtschaft um 5-25%erhöhen und das drei Dilemma niedrigerer Prämien, höhere Renditen und Solvenzstärke effektiv ausgleichen wird.
Preisprognose
Der erste AI -Technologie -Stack hängt mit der Preisvorhersage zusammen und verwendet ein großes Sprachmodell (LLM) mit einem Parameter von 70 Milliarden.Stopper schulte diese LLM mit Finanzdaten, einschließlich des Preiss des Bitcoin -Preisdatensatzes (der Eröffnungspreis, der höchste Preis, der niedrigste Preis, den Schlusskurs) und den Transaktionsvolumenindex.LLM verwendet das Lernen für die Verbesserung des menschlichen Feedbacks (RLHF), um die Vorhersagemodelle zu belohnen, die den tatsächlichen Preisdaten entsprechen.Die folgende Abbildung zeigt die visuelle Vorhersage der Preisvorhersage der 70 Milliarden Parameter der 70 Milliarden Parameter von Stoßfänger.
>
Der tägliche Eröffnungspreis-/Schließungspreis wurde zunächst geschult.Da die $ BTC Tick -Daten Hunderte von TB -Daten enthält, wird Abruf verwendet, um die Generation (RAG) zu verbessern, um die Beziehungsdatenbankinformationen in Datenvektoren umzuwandeln.Die RAG -Technologie verbessert nicht nur die LLM -Leistung, sondern fördert auch die Integration verschiedener realer Asset -Preisdatenflüsse.
Emotionale Analyse
Der zweite AI -Technologie -Stack konzentriert sich auf emotionale Analysen.Durch die Verwendung eines großen Sprachmodells (LLM) mit einem vorgefertigten 8 -Milliarden -Parameter kann Stoßfänger eine große Anzahl von NLP -Daten (Financial Natural Language Processing) und die beispiellosen Marktemotionen für Korngröße analysieren.Durch feine Tuning und fortschrittliche NLP -Technologie erhielt Stopper wertvolle Einblicke in die Einstellungen der Spekulanten, um Marktentwicklungen und Trends tiefer zu verstehen.
Die Pre -Draining -LLM von Bumper nimmt eine breite Palette von finanziellen NLP -Daten auf und klassifizieren Emotionen in detaillierte Punktzahlen und Vertrieb, um ein detailliertes Verständnis der Marktemotionen zu vermitteln.Dieses Modell verwendet einen Zwei -Wege -Encoder, um für die Fein -Tuning auszudrücken (Bert), um spezifisches finanzielles Vokabular durch spezielle NLP -Schulungen mit speziellem NLP -Training zu identifizieren.
Bert ist das von Google entwickelte NLP -Modell für natürliche Sprachverarbeitung (NCLP).Es versteht den Kontext der Wörter im Satz, indem es die Wörter vor und nach dem Zielwort betrachtet, nicht nur die vorherigen Wörter.Mit dieser zweiwegen Methode kann Bert den vollständigen Kontext eines Wortes erfassen und damit seine Bedeutung genauer erläutern.
LLM ist mit einem Aufmerksamkeitsmechanismus ausgestattet, damit das Modell die Bedeutung verschiedener Wörter im Kontext- und Transformator -basierten Struktur abwägt, wodurch Marktemotionen und Anlegerverhalten effektiv identifiziert werden und zukünftige Markttrends vorhergesagt werden.
>
Technische Analyse
Der dritte KI -Technologie -Stack konzentriert sich auf technische Analysen.Stopper entwickelt eine neue Methode zur Kombination einer visuellen Preisbildanalyse mit technischen Indikatoren mit NLP -gesteuerten Indikatoren durch Schulung einer großen Sprache und eines visuellen Assistenten (LLAVA).Diese Integration ermöglicht es Stopper, kluge Entscheidungen auf der Grundlage historischer Preisdaten und Markttrends zu treffen.
Dieser Prozess umfasst die Umwandlung historischer Bitcoin -Preise in Diagrammbilder.Diese Bilder werden technische Markierungen wie Unterstützung/Widerstand, einen relativ schwachen Index (RSI) und die durchschnittliche Konvergenz der Abreise (MACD) mobile mobile durchschnittliche Marke markieren.Das LLAVA -Modell verarbeitet diese visuellen Datenpunkte und die zugehörigen technischen Indikatoren von NLP.
>
Dieses Multi -Mode -Modell von -End -End -Multi -Mode verbindet den visuellen Encoder mit dem LLM (großer Sprachmodell), damit das System komplexe Marktdaten analysieren und erklären kann.Darüber hinaus kombiniert dieses Modell das Langzeitgedächtnis (LSTM) für die historische Zeitsequenzvorhersage, die die Fähigkeit verbessert, zukünftige Markttrends auf der Grundlage des Trends in der Vergangenheit vorherzusagen.
Zusammenfassen
Das Stoßstangenprojekt ist verpflichtet, auf dem Kryptowährungsmarkt effektivere Risikomanagementlösungen zu liefern, indem KI in sein Defi -Protokoll integriert wird.Das Projekt verwendet die drei wichtigsten KI -Technologie -Stapel der Preisvorhersage, der emotionalen Analyse und der technischen Analyse in Kombination mit der Methode der Agentenmodellierung (ABM), um die Premium -Preisgestaltung dynamisch anzupassen, um sich an den realen Marktschwankungen anzupassen.Durch diese innovative Methode verbesserte Stoßfänger nicht nur die wirtschaftliche Effizienz des Abkommens, sondern schuf auch ein faireres, sichereres und zuverlässigeres Umfeld für die Teilnehmer.Die umfassende Anwendung dieser Technologien wird voraussichtlich die Übereinstimmungseffizienz von Stoßfänger um 5-25%erhöhen, was das Problem des Gleichgewichts zwischen Reduzierungsprämien effektiv löst, das Einkommen erhöht und die Lösung verbessert.
