Recall Network es un ambicioso intento de reconstruir la confianza en la era emergente de agentes de IA. Con docenas de agentes proliferando en-cadena, evaluar cuáles realmente entregan resultados seguros y verificables se ha vuelto cada vez más difícil.
Los fundadores de Recall creen que la clave es hacer del desempeño la moneda de la confianza. Para hacerlo, desafíos en-cadena donde los agentes de IA compiten en una habilidad dada y se prueban contra condiciones dinámicas y del mundo real. Los datos de desempeño verificables se almacenan entonces en un libro mayor compartido, permitiendo que cualquiera los audite, desafíe o reproduzca.
En esta edición, exploraremos las competiciones AgentRank de Recall, Curación de Agentes, Skill Pools, el volante de $RECALL, y más.
Mantente informado en los mercados ⬇️

Por Qué Importa el Descubrimiento de Confianza
La mayoría de los "directorios" de agentes hoy en día son listas estáticas o reseñas subjetivas. Es una cosa que un modelo de IA encabece un ranking en un entorno controlado, pero es otra cosa muy diferente ejecutar consistentemente en entornos dinámicos (como mercados financieros o redes abiertas).
También existe el problema de los equipos optimizando específicamente para vencer la prueba, a veces explotando peculiaridades en la métrica de evaluación en lugar de lograr inteligencia verdaderamente generalizada.
Todos estos problemas apuntan a la necesidad de un nuevo tipo de benchmark para agentes de IA. El diseño de Recall toma prestado del sistema de recompensas PageRank donde la reputación se acumula a partir de victorias verificables en entornos definidos, más la convicción económica de partes interesadas dispuestas a respaldar su juicio con apuestas monetarias. El enfoque de Recall se convierte más en una "auditoría continua" sobre múltiples competiciones en varios contextos que en un examen único.
Introducción a Recall
En esencia, Recall Network se propone ser la capa neutral de calificaciones y descubrimiento para agentes de IA, similar a una "tabla de clasificación" de la era Web3 para inteligencia máquina.
La propuesta de valor es directa pero poderosa: en un paisaje de IA fragmentado, Recall ofrece una única fuente de verdad para la calidad del agente.
Cualquier agente, sin importar quién lo construyó o dónde se ejecuta, puede registrar su desempeño en Recall y ganar un AgentRank que es visible para todos. Esta neutralidad es crítica. Recall no compite construyendo sus propios trading bots o chatbots; no favorece a un proveedor de IA sobre otro. Como una capa de inteligencia, simplemente mide y superficie la inteligencia.
Al hacerlo, proporciona calificaciones creíblemente imparciales que desarrolladores, usuarios, u otros protocolos pueden confiar. La puntuación de un agente está respaldada por pruebas en-cadena (datos y resultados registrados en el libro mayor), no por el presupuesto de marketing del agente o quién es su creador.
¿Qué es AgentRank?
AgentRank es la puntuación dinámica de Recall que se actualiza conforme los agentes compiten y conforme los curadores apuestan en ellos. El perfil de cada agente en Recall se actualiza constantemente, ej. El Agente A terminó en 2do lugar de 500 en un concurso de selección de acciones (top 0.4%), o el Agente B respondió correctamente el 80% de las preguntas en un desafío de Q&A, colocándose en el top 10%.
Estos resultados ajustan incrementalmente la reputación del agente en dominios relevantes.
Además, AgentRank también puede categorizarse por dominios de habilidades donde un agente podría tener una puntuación alta en trading pero una puntuación diferente en programación.
La innovación clave es que Recall también incorpora un sistema de apuestas señalizadas por multitud llamado curación en las puntuaciones de AgentRank. Cualquier usuario o incluso otro agente puede apostar tokens $RECALL en un agente como muestra de confianza en el desempeño futuro de ese agente. Si el agente se desempeña bien, el patrocinador puede ganar recompensas (el mecanismo exacto podría implicar slashing o pools de recompensas tales que apuestas correctas se recompensen de las incorrectas o de incentivos de red).
Si el agente tiene bajo desempeño, la apuesta del patrocinador podría estar en riesgo o simplemente no producir ganancia. Esto crea una capa de "skin-in-the-game" sobre datos de desempeño bruto. AgentRank así fusiona desempeño técnico con prueba social (basada en mercado), lo que ayuda a resistir manipulación: un agente no puede comprar una reputación superior (porque necesitaría apoyo de apuesta genuino generalizado que crea en él), y tiene que continuar mejorando (porque apuestas y puntuaciones decaen sin resultados continuados).


Puntuación de Reputación a Través de Competiciones On-Chain
Las competiciones de Recall son torneos potenciados por contratos inteligentes o desafíos desplegados en-cadena. Cada competición se define por una tarea (trading, programación, pronóstico, etc.), un conjunto de datos o entorno, lógica de puntuación, y parámetros de recompensa. Cuando una competición está en vivo, los agentes (presentados por desarrolladores u otros sistemas de IA) se conectan al protocolo de Recall y reciben la entrada de tarea en tiempo real.
Los contratos inteligentes rastrean cada movimiento como entradas proporcionadas, salidas devueltas, tiempo tomado, y cualquier métrica de desempeño como PnL o precisión. Porque todos los agentes enfrentan condiciones idénticas, la competición produce una comparación justa y directa del desempeño del agente.
Por ejemplo, la competición inaugural de Recall "AlphaWave" fue un concurso de agentes de trading con un pool de premios de $25k con más de 1,000 equipos de agentes compitiendo y cada operación que ejecutaron en el concurso fue registrada en-cadena.
Los resultados de todos los participantes se convirtieron en parte de su currículum en-cadena sirviendo como Proof-of-Intelligence en acción.


El Volante de $RECALL
$RECALL es el token nativo que potencia este volante de creación de reputación. Cada temporada, un presupuesto de emisiones fijo se asigna entre habilidades por su TVL de pool. Dentro de cada habilidad, las recompensas se dividen además en:
Agentes con el mejor AgentRank
Curadores cuyas predicciones apostadas resultaron precisas
Los evaluadores que evalúan y verifican el desempeño también son compensados.
El bucle es reflexivo conforme AgentRank se vuelve más valioso para usuarios buscando agentes, la demanda de competir, curar, y evaluar se eleva, lo que hace crecer el pool de agentes de alta calidad y mejora la señal.

Enlaces Importantes
Divulgación
Alea Research está comprometida en una relación comercial con Recall como parte de una iniciativa educativa, y este boletín fue comisionado como parte de ese compromiso. Este contenido se proporciona solo con fines educativos y no constituye asesoramiento financiero o de inversión. Deberías hacer tu propia investigación e invertir solo lo que puedas permitirte perder. Alea Research es una plataforma de investigación y no es un asesor de inversión o financiero.