@OpenLedger #OpenLedgr $OPEN construit sur OpenLedger (une plateforme blockchain AI, où les données, les modèles et les agents intelligents peuvent évoluer sur la chaîne), vise à créer un système explicable pour l'IA qui permet de rémunérer les contributeurs de données.

Objectif principal : résoudre le problème du manque de reconnaissance et de récompense raisonnable pour les contributeurs de données dans le domaine de l'IA, établir une association vérifiable entre le comportement des modèles et les données d'entraînement qui les influencent, transformer les données d'entraînement en actifs de première classe sur la chaîne, participer au processus de création de valeur en apprentissage automatique, et construire un écosystème AI transparent et aligné sur les incitations.

​

Cadre technique : utilise un système à double méthode. Pour les petits modèles, utilise une méthode d'approximation de fonction d'impact basée sur le gradient pour calculer l'impact de la suppression d'un point de données sur la perte de prédiction ; pour les grands modèles de langage, détermine l'attribution en comparant les étiquettes de sortie avec la représentation compressée du corpus d'entraînement. En même temps, construit des primitives de chaîne DataNets, chaque DataNet étant un ensemble de données structurées contribué par un ou plusieurs utilisateurs, avec des métadonnées et un horodatage, le modèle enregistre la traçabilité de l'entraînement via DataNets, réalisant un suivi déterministe des contributions aux ensembles de données.

​

Valeur significative : a facilité une nouvelle classe d'infrastructures AI décentralisées, permettant aux participants de s'aligner économiquement avec les performances des modèles, assurant l'attribution au niveau du protocole. En déplaçant les incitations vers la qualité des données, la traçabilité et la réutilisabilité, elle jette les bases d'un écosystème AI plus équitable, transparent et combinable.