Aspectes clau
- ChainOpera ha anunciat una col·laboració amb Princeton AI per llançar el primer punt de referència per a la indústria de la criptomoneda
- El projecte anomenat “CryptoBench” es va desenvolupar amb un expert en aprenentatge automàtic, el professor Mengdi Wang, i l’estudiant de doctorat Jiacheng Gu.
- Aquest punt de referència proporcionarà una millor precisió predictiva de les eines d’IA en un mercat volàtil amb agents més refinats utilitzats a les principals plataformes DeFi.
El 10 de desembre, ChainOpera AI va revelar la seva darrera col·laboració amb el Princeton AI Lab per llançar CryptoBench, que és el primer punt de referència dinàmic a nivell d’experts per a la indústria criptogràfica.
El primer punt de referència per als agents de la indústria criptogràfica.
En col·laboració amb @Princeton Princeton AI Lab (professor @MengdiWang10 i el seu estudiant de doctorat @JichengGu50887), hem creat CryptoBench, el primer punt de referència dinàmic a nivell d’expert del món per avaluar agents de LLM a… pic.twitter.com/g9tvKNYCZ9
— ChainOpera AI (@ChainOpera_AI) 10 de desembre de 2025
Es coneix com el primer punt de referència dinàmic a nivell d’experts creat específicament per provar agents d’IA a la indústria de la criptomoneda.
Aquesta eina està dissenyada per resoldre problemes importants, inclosa la manca d’una forma estàndard d’avaluar els grans models lingüístics que s’utilitzen cada cop més per a la negociació, l’anàlisi i l’avaluació de riscos en actius digitals.
El projecte es va desenvolupar amb la professora Mengdi Wang, experta en aprenentatge automàtic, i l’estudiant de doctorat Jiacheng Gu. A diferència dels punts de referència tradicionals que utilitzen dades antigues i estàtiques, CryptoBench funciona en temps real.
Obté informació en directe de blockchains per desafiar els agents d’IA. Aquestes proves se centren en quatre àrees crítiques essencials per navegar pels mercats criptogràfics.
El primer és la recuperació de dades en temps real de fonts com els exploradors de blocs. El segon és predir les tendències futures del mercat enmig d’una gran volatilitat. Un altre punt és analitzar les dades de la cadena per detectar patrons de transaccions inusuals.
Arxiu d’una bretxa crítica d’eines d’IA més segures
L’objectiu de CryptoBench és separar la IA realment capaç de l’exageració ineficaç o fins i tot perillosa. Els models d’IA generals són
Els punts de referència d’agents existents passen per alt la necessitat de sintetitzar la intel·ligència a la cadena, les dades del mercat, els fluxos DEX i les alertes MEV. CryptoBench ofereix 50 preguntes autèntiques del domini al mes, categoritzades en Recuperació simple/complexa i Predicció simple/complexa, reflectint les càrregues de treball dels analistes professionals.
“Introduïm CryptoBench, un punt de referència en directe que posa a prova els agents de LLM en fluxos de treball de criptografia adversaris i sensibles al temps. Els punts de referència d’agents existents passen per alt la necessitat de sintetitzar intel·ligència en cadena, dades de mercat, fluxos DEX i alertes MEV. CryptoBench ofereix 50 preguntes autèntiques de domini en Simple/Complex/Recomplex per mes. reflectint les càrregues de treball dels analistes professionals”, es va afirmar al lloc web oficial.
“L’avaluació de deu LLM d’última generació (amb i sense el marc SmolAgent) revela un desequilibri pronunciat entre la recuperació i la predicció: els models que excel·len en la cerca de fets sovint es col·lapsen en el raonament predictiu. L’orquestració d’agents pot canviar les posicions de la classificació, demostrant que el QI del model brut no equival al rendiment del camp”, va dir.
Com CryptoBench ajudarà al sector criptogràfic
La indústria criptogràfica va perdre 2.100 milions de dòlars només el 2025 per pirates i estafes. És molt important evitar aquestes estafes per tal de fer créixer la indústria criptogràfica i garantir la seguretat dels usuaris.
L’avaluació del risc de DeFi de CryptoBench proporcionarà la capacitat de l’agent AI, que podrà localitzar explotacions de contracte intel·ligent i activitats sospitoses a la cadena en temps real.
Significa que un agent d’IA que superi els criteris del punt de referència es podria integrar en un intercanvi per activar automàticament una alarma sobre un contracte de pesca o una possibilitat de tirar de la catifa abans que un usuari hi interaccioni.
Aquest tipus de desenvolupament ajudarà el finançament descentralitzat a aportar la confiança tan necessària, la qual cosa podria impulsar l’adopció institucional, com es veu en mercats com Singapur, on la seguretat basada en IA ha ajudat a atraure 150.000 milions de dòlars en inversions financeres descentralitzades.
A part d’això, el sistema de ChainOpera també incentiva la contribució mitjançant el seu model de prova d’intel·ligència premiant els que milloren l’ecosistema amb fitxes COAI.
També s’espera que CryptoBench aporti precisió predictiva de les eines d’IA en un mercat volàtil. La seva tendència ajudarà els usuaris a desenvolupar agents més refinats que s’utilitzen a les principals plataformes DeFi.
Per exemple, l’agricultura de rendiment optimitzada per IA ja ha mostrat resultats per reduir les tarifes de gas de transacció en un 30% mitjançant una gestió predictiva de liquiditat.
CryptoBench oferirà un camí clar cap al compliment de la normativa. Es preveu que les noves regulacions, com ara la Llei d’IA de la UE i les directrius anticipades de la SEC dels EUA, requereixin auditories de risc per als agents d’IA en finances.
