Aprendizagem da Máquina “Machine Learning”
Archimedes foi teorizado, testado e treinado simultaneamente, durante quase um ano.
Design do Modelo
Para qualquer modelo de IA, cada conjunto de dados de entrada precisa de ser primeiro definido e, em última análise, determinado para treinar o algoritmo.
A equipa de machine learning da Mozaic extrai atualmente dados bloco a bloco e dados de preços de moedas através de feeds de um minuto durante a modelação.
Isto tem um raciocínio específico:
Cada rede tem diferentes frequências de atualização
Os dados APY bloco a bloco são quantificáveis e encapsulam inúmeras outras métricas
Os dados de preço de token de um minuto são essenciais para a venda de tokens de protocolo nativo (durante o farming) num mercado volátil
Treinar o Archimedes para se tornar o “farmer” com rendimento mais eficiente.
Caso de teste inicial
Uma simulação inicial de 14 dias (7 a 14 de abril de 2022) foi conduzida teoricamente com o cofre de stablecoin do Archimedes e a Mozaic, cultivado em cBridge.
Archimedes reequilibrou os fundos na rede Avalanche durante aproximadamente cinco dos catorze dias, na cadeia Ethereum durante quatro e uma combinação alternada de Optimism, Polygon, Fantom e Ethereum novamente durante os outros cinco dias. Foram também captados picos de rendimento na AAVE (27%) durante grande parte de um dos dias.
Aproveitar o cofre omnichain stablecoin da Mozaic ao longo dos 14 dias produziu um retorno geométrico diário esperado de aproximadamente 19,02%.
Deixar 100% dos seus ativos no cofre com melhor desempenho durante o mesmo período de 14 dias rendeu apenas 13,98%.
Optimizador de staking
Foi realizado um teste ao vivo para o Archimedes, cultivando na Stargate “single-sided staking pools”.
Durante este processo, foi desenvolvida uma ferramenta de extração de dados APY para capturar os dados de modelação necessários para treinar Archimedes. Esta ferramenta de extração, extrai quaisquer dados APY bloco a bloco.
Optimizador de negociação
Os protocolos utilizam o seu token nativo como recompensa para aumentar os seus APYs.
Outro teste ao vivo foi realizado no Stargate para mostrar a vantagem competitiva obtida à medida que Archimedes vende recompensas em tokens nativos.
Last updated
