He visto suficientes bots de trading algorítmico explotar como para tratar con una supervisión extra a cualquier agente de IA que toque dinero real.
Los agentes de trading son una de las aplicaciones de mayor riesgo que puedo imaginar para una IA verificable. Si se equivoca la verificación aquí, el costo no es una mala respuesta de un chatbot. Es dinero real moviéndose como resultado de una decisión defectuosa.
BitQuant utiliza el marco de OpenGradient para construir agentes de IA que operan en mercados financieros. La propuesta es que la inferencia verificable les da a estos agentes un rastro de auditoría que nunca tuvieron los bots de trading de caja negra.
Eso resuelve un problema. No resuelve el problema de si la estrategia subyacente realmente es sólida. Un modelo de trading malo verificado todavía pierde dinero, solo que con una prueba criptográfica adjunta a la pérdida.
La verificación construye rendición de cuentas. No construye alfa.
Son problemas distintos, y solo uno de ellos tiene que ver con la infraestructura subyacente.
#opg $OPG @OpenGradient
Los agentes de trading son una de las aplicaciones de mayor riesgo que puedo imaginar para una IA verificable. Si se equivoca la verificación aquí, el costo no es una mala respuesta de un chatbot. Es dinero real moviéndose como resultado de una decisión defectuosa.
BitQuant utiliza el marco de OpenGradient para construir agentes de IA que operan en mercados financieros. La propuesta es que la inferencia verificable les da a estos agentes un rastro de auditoría que nunca tuvieron los bots de trading de caja negra.
Eso resuelve un problema. No resuelve el problema de si la estrategia subyacente realmente es sólida. Un modelo de trading malo verificado todavía pierde dinero, solo que con una prueba criptográfica adjunta a la pérdida.
La verificación construye rendición de cuentas. No construye alfa.
Son problemas distintos, y solo uno de ellos tiene que ver con la infraestructura subyacente.
#opg $OPG @OpenGradient