Reppo의 작동 방식
Reppo는 AI 학습 데이터를 실시간 시장으로 전환합니다.
참여자들은 콘텐츠를 게시하고, 자본을 스테이킹하고, 품질에 투표하며, 그렇게 하는 과정에서 활용 가능한 학습 신호를 생성합니다.
1. 데이터넷 소유자가 시장을 만듭니다
Reppo는 다음으로 구성됩니다 데이터넷을.
각 데이터넷은 고유한 접근 규칙, 게시 수수료, 인센티브, 품질 기준을 정의합니다. 이를 통해 서로 다른 시장이 서로 다른 작업, 도메인, 구매자에 맞춰 특화될 수 있습니다.
2. 게시자가 데이터를 제출합니다
게시자는 텍스트, 이미지, 영상, 오디오, 주석 또는 에이전트가 생성한 결과물을 선택한 데이터넷에 제출합니다.
제출은 무료가 아닙니다. 게시 수수료는 기여자들로 하여금 무엇이 시장에 올릴 가치가 있는지에 대해 경제적 결정을 내리게 합니다.
3. 투표자는 veREPPO를 위해 REPPO를 잠급니다
투표자는 REPPO를 잠가 veREPPO를 받으며, 이는 그들에게 투표 권한을 부여합니다.
그 투표 권한은 네트워크 수준에서 존재합니다. 이후 그것은 데이터넷과 에포크 전반에 할당될 수 있습니다.
4. 시장은 각 에포크 동안 지속적으로 재가격 책정을 합니다
투표자는 스테이킹으로 뒷받침된 판단을 사용해 자신이 가치 있다고 생각하는 것을 지지하거나 반대합니다.
한 에포크 안에서 투표 권한은 시간에 따라 선형적으로 감소합니다. 더 이른 투표가 나중의 투표보다 더 큰 가중치를 가지며, 이는 늦게 따라가는 모멘텀 추종보다 초기에 형성된 확신을 보상합니다.
투표는 지속적으로 이루어지기 때문에, 새로운 정보가 나타나면 약한 포지션에 도전할 수 있습니다. 더 깊은 메커니즘 설계는 적대적 견고성 에서 확인하세요.
5. 시장 활동은 학습 데이터를 생성합니다
모든 제출, 순위 매기기, 선택, 투표는 구조화된 인간 피드백을 생성합니다.
그 피드백은 AI 시스템에 유용한 학습 데이터가 됩니다. 예시는 수집 방법 를 참조하세요.
6. 수수료, 인센티브, 평판은 품질을 강화합니다
보상은 시장이 어떻게 구성되었는지에 따라 네트워크 발행량과 데이터넷 수준의 인센티브 프로그램에서 나올 수 있습니다.
동시에:
게시자는 제출할 때 자본을 위험에 노출합니다
투표자는 큐레이션할 때 자본을 위험에 노출합니다
데이터넷 소유자는 자신이 성장시키고 싶은 시장에 자금을 지원하고 이를 형성할 수 있습니다
시간이 지나면서 우수한 참여자들은 평판과 성과 이력을 쌓습니다. 이는 발견 가능성, 신뢰, 그리고 하위 수요를 개선합니다.
더 넓은 해석
Reppo는 단순히 피드백을 수집하는 것이 아닙니다. 경제적 확신을 학습 신호를 위한 실시간 시장으로 전환하고 있습니다.
시간이 지나면서 이 시장은 정적인 검열이 아니라 개방된 경제적 경쟁을 통해 신호 탐지를 보상하고 저품질 잡음을 벌하는 것을 목표로 합니다.
마지막 업데이트