Усі кажуть, що «ансамбль перемагає одиночних моделей», але @AlloraNetwork йде далі: він прогнозує, які моделі виграють прямо зараз, і зважує мікс на льоту. Ось і полягає перевага: контекстно-залежне прогнозування перетворює галасливий натовп на сфокусований сигнал. ---/ ❯ Працівники не просто публікують прогнози; Вони також прогнозують точність інших працівників у поточних умовах. Ці прогнози втрат є першокласними вхідними даними, які роблять мережу контекстно-залежною ❯ Потім йде синтез висновків: мережа зважує внески за очікуваною похибкою і може буквально скласти мета-прогноз, наприклад, 80% з однієї моделі + 20% з іншої, перш ніж поєднати з історичною продуктивністю для формування загальнотематичного результату ---/ Чому це важливо: ринки змінюють режими. Модель, яка розчавила минулого тижня, сьогодні може відставати. Прогнозисти Allora знижують вагу, коли їхні очікувані втрати зростають, і підвищують вагу тих, які підходять для нового режиму, щоб сукупність залишалася гострою, а не рухалася накатом на застарілих переможців ---/ Швидкі висновки: ❯ Це більше, ніж «оракул», це ринок моделей зі стимулами передбачати як результати, так і продуктивність колег ❯ Результатом є стрічка, що самовдосконалюється, яка повинна довше зберігати перевагу при змінах волатильності. ---/ Кут розробника: запустіть легкий прогнозист, який вивчає шаблони помилок однолітків для однієї теми, і перенесіть ці прогнози втрат у невелику вагу вашого працівника, якщо ви маєте рацію Я відстежую, як цей синтез тримається в умовах стимулів основної мережі та вищої пропускної здатності. Якщо ви тестуєте прогнозистів на теми Allora, покажіть мені свою установку, я поділюся своєю, і ми зможемо провести порівняння.