Bro, selamat malam. Akhir tahun lalu, saya upload data ke @OpenLedger yang membahas tentang "tiga sinyal peringatan sebelum stablecoin terlepas dari nilai peg". Saat itu saya rasa ini berguna, jadi saya upload saja, dan tidak disangka ini jadi sampel terbaik untuk mengamati sistem ini. Hari ini saya mau bahas kurva keuntungan data ini selama enam bulan terakhir, ada naik, turun, dan belokan, lebih nyata daripada lihat candlestick.

Data ini totalnya kurang dari empat ratus kata. Sinyal pertama adalah "kedalaman Curve 3pool jatuh di bawah ambang batas tertentu", yang kedua adalah "suatu protokol pinjaman stabilcoin loncat drastis pada suku bunga pinjaman", dan yang ketiga adalah "jumlah aliran stablecoin dari jembatan lintas rantai yang abnormal". Masing-masing punya angka ambang yang spesifik. Dua bulan pertama hasilnya biasa, tiap bulan sekitar lima atau enam $OPEN. Yang bener-bener terbang itu bulan ketiga, saat itu pasar mengalami sedikit kepanikan terlepas dari peg, data saya dipanggil habis-habisan oleh berbagai robot manajemen risiko, satu bulan mencapai lebih dari tiga puluh $OPEN .

Namun mulai bulan keempat, pendapatan mulai turun. Bulan keempat sedikit di atas dua puluh, bulan kelima dua belas, bulan keenam—yakni bulan lalu—tinggal tujuh. Saya membuka lagi catatan pemanggilan satu per satu dan menemukan dua penyebab. Pertama, sebagian ambang dalam sinyal peringatan saya sudah usang; misalnya, standar kedalaman pool Curve berubah, dan yang dulu dianggap “di bawah seratus juta dolar” sekarang baru dianggap berbahaya kalau “di bawah dua ratus juta”. Kedua, muncul beberapa pesaing yang mengunggah data peringatan serupa, dan beberapa di antaranya ditulis lebih rinci daripada punya saya, sehingga bobot pemanggilan pun terbagi.

Proses penyusutan ini membuat saya benar-benar paham satu aturan implisit dalam bukti atribusi OpenLedger. Data bukan aset yang sekali dibuat lalu selamanya berguna; seperti benda fisik, ia juga menua dan terdepresiasi. Apa pun sebagus apa yang Anda tulis tahun lalu, kalau pasar berubah tahun ini, Anda harus ikut memperbaruinya. Saya kira para penyedia data yang masih bisa menghasilkan puluhan pendapatan dalam sebulan pasti terus-menerus melakukan pemeliharaan dan pembaruan di belakang layar. Orang malas tidak akan bertahan lama di sistem ini.

Jadi saya melakukan dua hal. Pertama, saya mengambil data lama itu dan memperbaruinya, lalu menyesuaikan semua ambang angka untuk tiga sinyal peringatan ke standar statistik terbaru tahun ini. Kedua, saya memakai ModelFactory untuk fine-tune sebuah model kecil, khusus menjawab pertanyaan seperti “apakah pasar saat ini berisiko lepas patokan”. Data latihnya adalah lebih dari lima puluh skenario tanya-jawab yang saya kembangkan dari tiga sinyal milik saya sendiri. Dua minggu setelah model diluncurkan, jumlah pemanggilannya sudah menyamai tujuh puluh persen dari puncak masa kejayaan data lama. Keunggulan model ini adalah ia bisa menerima data real-time yang dimasukkan pengguna untuk menilai, jadi lebih fleksibel daripada entri data statis.

Saya juga mencoba modul RLHF yang ditulis di whitepaper kali ini. Model yang di-fine-tune awalnya terlalu konservatif, sering sekali menganggap fluktuasi normal sebagai risiko. Saya memberi umpan balik manual lebih dari dua puluh kali, mengatakan “ini bukan lepas patokan”, lalu modelnya perlahan jadi lebih terkalibrasi. Setelah kalibrasi, jumlah pemanggilan naik jelas, karena pengguna merasa model ini tidak terlalu mudah panik. Intinya, mekanisme umpan balik ini adalah menggunakan penilaian manusia untuk mengoreksi mesin, dan itu jauh lebih efektif daripada sekadar menumpuk parameter.

Risiko tetap harus diletakkan di atas meja. Saat ini data dinamis berkualitas tinggi di OpenLedger masih belum banyak; sebagian besar masih berupa entri statis. Artinya, orang yang masuk lebih dulu memang mendapat keuntungan, tetapi jendela keuntungan itu akan menyempit seiring meningkatnya kompetisi. Ledakan data saya pada bulan ketiga sebenarnya juga ada unsur keberuntungan, kebetulan pas saat pasar sedang panik. Kalau Anda berharap ledakan tiap bulan, Anda akan kecewa. Strategi saya adalah memelihara tujuh atau delapan data dari arah yang berbeda sekaligus untuk menyebar risiko. Kalau satu sudah usang, yang lain masih bisa menggantikan.

Saat ini porsi posisi saya masih sekitar tiga persen dari total dana, dan saya tidak menambah secara impulsif hanya karena ledakan pada data itu. Karena saya tahu penyusutan itu pasti terjadi; yang penting adalah apakah total volume pemanggilan di seluruh platform terus naik. Enam bulan terakhir, volume pemanggilan harian di chain OpenLedger naik dari ratusan menjadi lebih dari dua ribu, dan tren ini lebih penting daripada naik turunnya satu data milik saya sendiri.

Bitcoin butuh sepuluh tahun untuk membuat orang percaya pada narasi emas digital; Ethereum butuh lima atau enam tahun agar smart contract masuk arus utama. Sementara model seperti OpenLedger yang berbasis pembagian data on-chain ini, bisa berhasil atau tidak, tergantung dua tahun ke depan. Pilihan saya adalah menaruh sedikit uang senggang dan bertahan dengannya, sambil terus memverifikasi lewat data yang saya unggah sendiri apakah buku besar ini benar-benar bisa dihitung dengan akurat. Sejauh ini, buku besarnya bersih, penyusutannya nyata, dan pembaruannya memang ada hasilnya. Itu sudah cukup.#OpenLedger