Všichni říkají, že "soubor poráží jednotlivé modely", ale @AlloraNetwork jde ještě dál: předpovídá, které modely vyhraje právě teď, a váží mix za běhu. To je výhoda: kontextové předpovědi promění hlučný dav v soustředěný signál. ---/ ❯ Pracovníci nezveřejňují pouze předpovědi; Předpovídají také přesnost ostatních pracovníků za současných podmínek: tyto předpovědi ztrát jsou prvotřídními vstupy, díky nimž je síť kontextově zohledňující ❯ Pak přichází inferenční syntéza: síť váží příspěvky podle očekávané chyby a může doslova sestavit meta-predikci, jako je 80 % z jednoho modelu + 20 % z jiného, než se spojí s historickou výkonností a vytvoří výsledek pro celé téma ---/ Proč je to důležité: trhy mění režimy. Model, který minulý týden rozdrtil, může dnes zaostávat. Prognostici společnosti Allora snižují váhu modelů, když jejich očekávaná ztráta stoupá, a zvyšují váhu těch, které vyhovují novému režimu, takže agregát zůstává ostrý místo toho, aby se držel vyčpělých vítězů ---/ Rychlé poznatky: ❯ Je to více než "orákula" trh modelů s pobídkami k předvídání výsledků i výkonnosti kolegů ❯ Výsledkem je samo-zlepšující se feed, který by si měl udržet výhodu déle přes posuny volatility. ---/ Úhel vývoje: roztočte odlehčeného prognostika, který se učí vzorce chyb kolegů pro jedno téma, a přesměrujte tyto předpovědi ztrát do svého pracovníka Malý zdvih, nadrozměrná váha, pokud máte pravdu, Sleduji, jak tato syntéza obstojí při pobídkách mainnetu a vyšší propustnosti. Pokud testujete prognostiky na témata Allora, ukažte mi své nastavení, já se s vámi podělím o své a můžeme srovnávat.