根⽹络验证者的质押量占全⽹络的79%。参议院12⼈中，除第12位未具名，以及第3位Foundry是⼀家知名矿场外，其余10位验证者Opentensor Foundation、τaosτaτs &Corcel、Bittensor Guru Podcast、TAO-Validator.com、RoundTable21、FirstTensor、Neural Inτerneτ、Datura、Love、Synapse业务和twitter上发声都是围绕bittensor，或⼲脆只有质押业务。有理由相信这些掌握价值$20B+的$TAO的验证者之间保持密切关系，构成内部⼩团体。 ⽬前绝⼤部分流通代币都委托给了⼩团体质押，使他们成为⽹络中具有决定作⽤的验证者。尽管每个验证者都有上千个地址的委托，看起来像是有上千个$TAO代币持有者⾃愿委托⾃⼰的代币进⾏投票，但有理由怀疑这些匿名地址⼤多都是⼩团队⾃⾝掌握的。 更重要的是，bittensor的质押没有任何锁定期，随时取消质押，也就是说当前占总流通量85%的质押代币，随时可以进⼊抛售。 总结：BITTENSER是本机构成立后的第一张大字报。其丰富且深刻的呈现了一个WEB3AI项目是如何“成功”的。控制筹码、套皮AI、虚假信息和小圈子的圈地自萌在VC与游资的推波助澜下创造了百亿FDV数十亿MC的奇迹并成功上线BN，很难不让人揣测其上线BN的主要意义是为了出货。 其本质，一个波卡的子网-主网模式的L1+矿工拆分盘，与人人追捧的AI概念的相关性甚至不如WORLDCOIN。起码WORLDCOIN有奥特曼的投资，而TAO只有奥特曼的openai的API。 对此，本机构给予BITTENSER项目 强烈看空 评级，预计其价格将在短时间内（6个月）下降到100-150美金/个。 时来天地皆同力，运去英雄不自由。希望投出TAO这种垃圾项目的VC好好想想自己在市场里的角色。对于一个有充分背调和尽调、有代码审阅和生态数据复验能力的VC来说，都不该去投资这种套皮API项目。 亦或者，这只是VC做的恶之一罢了。 附： 子网案例研究二则 taoshi (subnet 8) taoshi历史上应该叫time series prediction，没有任何实际应⽤价值。是3⽉rebrand成了交易平台，还推出了Tradewithdale, Timeless等应⽤。 ⼦⽹8 TAOSHI运营了⼀个⾃营交易⽹络（Proprietary Trading Network）。PTN接收来⾃量化和深度学习机器学习交易系统的信号，以提供跨各种资产类别的世界上最完整的交易信号。有了这个系统，只有世界上最好的交易者和基于深度学习/量化的交易系统才能竞争。 • 矿⼯的注册、挖矿与评分： ◦ 矿⼯注册费⽤为5TAO。 ◦ 矿⼯需要在开盘时间实时提交LONG/SHORT/FLAT交易信号，以及杠杆倍数。可选的交易对包括外汇（如EUR/CHF, EUR/USD, GBP/USD）、加密货币（如BTC/USD, ETH/USD）、指数（如 SPX, DJI）等。 ◦ 在任何时刻矿⼯只能有⼀个交易对头⼨。◦ 矿⼯在过去30天内⾄少close10个头⼨，才能参与评分。 ◦ 矿⼯评分标准：根据组合omega ratio和总回报。详⻅ https://github.com/taoshidev/proprietary-trading-network/tree/main/vali_objects/scoring • 矿⼯的淘汰标准： ◦ 1、达到当⽇最⼤回撤限制。在任意交易⽇收盘时，若矿⼯当⽇最⼤回撤达到5%（相⽐daily high），矿⼯将被淘汰。 ◦ 2、达到全时段最⼤回撤限制。若任意时点，矿⼯达到10%回撤（相⽐all time high），矿⼯将被淘汰。 ◦ 3、剽窃。若系统检测到矿⼯提交的交易剽窃其他矿⼯，该矿⼯将被淘汰。 ◦ 矿⼯注册后有9天保护期。矿⼯淘汰后注册费⽤不予返还。 • 验证者任务： ◦ 验证者需要维护每个矿⼯的组合、头⼨、净值，并在矿⼯达到最⼤回撤限制时将其淘汰。 竞赛本⾝的设置是可笑的。不是策略，只能说是交易⽐赛。有效的策略需要经过回测。此外，根本不需要引⼊矿⼯、验证者的概念或任何区块链技术。 Taoshi dashboard可以查看收益率最⾼的miner地址，以及所有过往交易。 https://dashboard.taoshi.io/ 写作时点（UTC 2024-04-21 08:56），30⽇回报最⾼的地址，30⽇回报率为19.476%，拆解来看，其中⼤部分为⼀次交易贡献。该地址在2024-04-17 05:59:20，EUR/GBP价格为$0.85345时，以175倍杠杆做空，并在98秒后，2024-04-17 06:00:58，价格为$0.85276时平仓（剩0.01倍杠杆在15:01:34平 掉），可计算出这笔交易收益为14.1%，考虑到交易费⽤后为12.75%。 实际应⽤: Dale：https://twitter.com/tradewithdale。trading bot，宣称可以根据taoshi⼦⽹的trading signal进⾏交易。twitter表⽰正在开发。 Timeless：https://twitter.com/Timeless_io。运营了⼀个⼏百⼈的TG群，⾥⾯主要是交易讨论。宣称community从taoshi⼦⽹的trading signal⾥赚了钱。 Cortext (subnet 18) 官⽅github repo readme并没有讲任何⼦⽹中如何挖矿、验证和激励机制的问题，以下由源代码分析得到。 • 验证者问题⽣成： ◦ ⽂字和图像各有1000+给定主题，验证者随机选定主题套⽤进问题模板中，调⽤openai GPT4- turbo⽣成给矿⼯的prompt。https://github.com/corcel-api/cortex.t/blob/main/validators/text_validator.py ◦ 问题模板在github.com/corcel-api/cortex.t/blob/main/cortext/utils.py ◦ 给定主题在https://github.com/corcel-api/cortex.t/blob/main/cortext/__init__.py • 验证者参考答案⽣成 ◦ text promting调⽤GPT4⽣成参考答案；image generation调⽤DALL-E模型⽣成图像 • 矿⼯答案⽣成 ◦ 矿⼯收到prompt后，可以选择anthropic.claude-v2:1 Anthropic, gemini-pro, claude-3-opus等模型答题。https://github.com/corcel-api/cortex.t/blob/main/miner/miner.py • 矿⼯答案打分 ◦ ⽐较response与参考答案相似度。 ◦ 对于text prompting，相似度⽐较算法为TF-IDF，向量化后计算cosine_similarity，同时 response相⽐参考答案过⻓或过短有惩罚； ◦ 对于image generation，相似度⽐较算法为感知哈希算法（perceptual image hash）将图⽚映射为⼀个哈希字符串，⽐较两个图⽚之间的相似度就可以通过判断两个哈希字符串之间不⼀致的位置有多少，仍然转换为cosine_similarity函数计算。https://github.com/corcel-api/cortex.t/blob/main/cortext/reward.py 实际应⽤： • Corcel。可以完成Text Prompting, Image Generation任务。声称调⽤Cortext的API，⽤⼾提问后，得到的回答由矿⼯产⽣。https://corcel.io/ • 实际测试text prompting，询问模型开发者，得到的答案是“I am an AI language model developed by OpenAI...I am not connected to the Bittensor network or any decentralized machine learning models” 发展历程： 本部分source主要来⾃：https://taostats.io/tokenomics/； https://messari.io/project/bittensor/profile 2019年：Bittensor由两位⼈⼯智能研究者Jacob Steeves和Ala Shaabana（以及⼀个匿名的⽩⽪书作者Yuma Rao）创⽴。2021年1⽉3⽇：“Kusanagi”发布，标志着⽹络的激活，允许矿⼯和验证者开始获得第⼀批$TAO奖励。 2021年5⽉中旬：Opentensor Foundation暂停了Kusanagi，以处理⼀些早期共识问题。 2021年11⽉2⽇：“Kusanagi”分叉为“Nakamoto”。此前Kusanagi⽣成的546,113 TAO被迁移到 Nakamoto上。 2023年1⽉10⽇：Finney测试⽹发布，测试delegated staking和⼦⽹功能。 2023年1⽉13⽇：拍卖中成功获得了⼀条Polkadot平⾏链插槽。然⽽，由于对Polkadot开发速度有关的担忧，随后决定使⽤⾃⼰基于Substrate构建的独⽴L1区块链，⽽不是依赖于Polkadot。https://www.theblockbeats.info/en/flash/123619 2023年3⽉20⽇：Finney主⽹发布。2023年3⽉28⽇：Opentensor Foundation发布Chattensor，在Bittensor上建⽴的LLM。 2023年7⽉24⽇：Opentensor Foundation发布Bittensor Language Model（BTLM）。 作为“30 亿参数语⾔模型”，BTLM 旨在与移动设备兼容，与 OpenAI 的 GPT-3 和 Meta 的 LLaMA 等流⾏的 70 亿和 100 亿参数模型相⽐，所需的内存要少得多。https://opentensor.medium.com/introducing-bittensor-language-model-a-state-of-the-art-3b-parameter-model-for-mobile-and-edge- 2fe916fb81b0 2023年10⽉2⽇：Revelotion升级，⼦⽹正式上线，允许⽤⼾创建⼦⽹，为特定类型的机器学习任务创建激励机制，例如⽣成图像、创作⾳乐或互联⽹内容抓取。 2024年12⽉14⽇：Messari研究员Sami Kassab发布Bittensor研报 https://twitter.com/Old_Samster/status/1734977722424938993，此后不断bullish on $TAO。 2024年1⽉10⽇：Opentensor Foundation提出BIT001提案（First Bitttensor Improvement Template），提出dynamic TAO代币激励机制。 来源：金色财经lg...
北美站
