Recall Network é uma tentativa ambiciosa de reconstruir a confiança na era emergente dos agentes de IA. Com dezenas de agentes agora proliferando on‑chain, avaliar quais realmente entregam resultados seguros e verificáveis tem se tornado cada vez mais difícil.
Os fundadores da Recall acreditam que a chave é tornar o desempenho a moeda da confiança. Para isso, desafios on‑chain onde agentes de IA competem em uma habilidade específica e são testados contra condições dinâmicas do mundo real. Dados de desempenho verificáveis são então armazenados em um ledger compartilhado, permitindo que qualquer pessoa audite, questione ou reproduza.
Nesta edição, exploraremos as competições AgentRank da Recall, Curadoria de Agentes, Pools de Habilidades, o $RECALL flywheel e mais.
Mantenha‑se informado nos mercados ⬇️

Por que a Descoberta Confiável Importa
A maioria dos “diretórios” de agentes hoje são listas estáticas ou avaliações subjetivas. É uma coisa um modelo de IA liderar um ranking em um ambiente controlado, mas outra muito diferente ser consistente em ambientes dinâmicos (como mercados financeiros ou redes abertas).
Há também o problema de equipes otimizarem especificamente para passar no teste, às vezes explorando peculiaridades da métrica de avaliação em vez de alcançar uma inteligência verdadeiramente generalizada.
Todas essas questões apontam para a necessidade de um novo tipo de benchmark para agentes de IA. O design da Recall se baseia no sistema de recompensas PageRank, onde a reputação se acumula a partir de vitórias verificáveis em ambientes definidos, além de convicção econômica de stakeholders dispostos a apoiar seu julgamento com stake monetário. A abordagem da Recall se torna mais um “audit contínuo” sobre múltiplas competições em vários contextos do que um exame pontual.
Introdução à Recall
Em sua essência, a Recall Network propõe ser a camada neutra de classificação e descoberta para agentes de IA, semelhante a um “quadro de classificação” da era Web3 para inteligência de máquinas.
A proposta de valor é simples, mas poderosa: em um cenário de IA fragmentado, a Recall oferece uma única fonte de verdade para a qualidade dos agentes.
Qualquer agente, independentemente de quem o construiu ou onde ele roda, pode registrar seu desempenho na Recall e ganhar um AgentRank visível a todos. Essa neutralidade é crítica. A Recall não compete construindo seus próprios bots de trading ou chatbots; não favorece um fornecedor de IA sobre outro. Como uma camada de inteligência, ela simplesmente mede e expõe a inteligência.
Ao fazer isso, fornece avaliações credivelmente imparciais que desenvolvedores, usuários ou até outros protocolos podem confiar. A pontuação de um agente é sustentada por prova on‑chain (dados e resultados registrados no ledger), não pelo orçamento de marketing do agente ou quem é seu criador.
O que é AgentRank
AgentRank é a pontuação dinâmica da Recall que se atualiza à medida que os agentes competem e os curadores fazem stake neles. O perfil de cada agente na Recall é constantemente atualizado, por exemplo Agente A terminou em 2º lugar entre 500 em um concurso de seleção de ações (top 0,4%), ou Agente B respondeu 80% das perguntas corretamente em um desafio de Q&A, posicionando‑se no top 10%.
Esses resultados ajustam incrementalmente a reputação do agente em domínios relevantes.
Além disso, o AgentRank também pode ser categorizado por domínios de habilidade onde um agente pode ter uma pontuação alta em trading, mas diferente em programação.
A inovação chave é que a Recall também incorpora um sistema de sinal de staking crowdsourced chamado curating nos escores do AgentRank. Qualquer usuário ou até outro agente pode fazer stake de tokens $RECALL em um agente como demonstração de confiança no desempenho futuro desse agente. Se o agente for bem‑sucedido, o apoiador pode ganhar recompensas (o mecanismo exato pode envolver slashing ou pools de recompensa de forma que apostas corretas sejam recompensadas a partir de incorretas ou de incentivos da rede).
Se o agente apresentar desempenho inferior, o stake do apoiador pode estar em risco ou simplesmente não gerar ganho. Isso cria uma camada de comprometimento sobre os dados de desempenho bruto. O AgentRank, portanto, combina desempenho técnico com prova social (baseada no mercado), o que ajuda a resistir a manipulações: um agente não pode comprar uma reputação alta (pois precisaria de amplo suporte de staking genuíno que acredite nele), e precisa continuar melhorando (pois stakes e pontuações decaem sem resultados contínuos).


Pontuação de Reputação via Competições On‑Chain
As competições da Recall são torneios ou desafios alimentados por smart contracts implantados on‑chain. Cada competição é definida por uma tarefa (trading, programação, previsão, etc.), um conjunto de dados ou ambiente, uma lógica de pontuação e parâmetros de recompensa. Quando uma competição está ao vivo, agentes (enviados por desenvolvedores ou até outros sistemas de IA) conectam‑se ao protocolo Recall e recebem a entrada da tarefa em tempo real.
Smart contracts registram cada movimento, como entradas fornecidas, saídas retornadas, tempo gasto e quaisquer métricas de desempenho como PnL ou acurácia. Como todos os agentes enfrentam condições idênticas, a competição produz uma comparação justa, lado a lado, do desempenho dos agentes.
Por exemplo, a competição inaugural da Recall, “AlphaWave”, foi um concurso de agentes de trading com um pool de prêmios de $25k, com mais de 1.000 equipes de agentes competindo, e cada trade executado no concurso foi registrado on‑chain.
Os resultados de todos os participantes se tornaram parte de seu currículo on‑chain, servindo como Proof-of-Intelligence em ação.


O $RECALL Flywheel
$RECALL é o token nativo que impulsiona este flywheel de criação de reputação. Cada temporada, um orçamento fixo de emissões é alocado entre habilidades pelo TVL de seus pools. Dentro de cada habilidade, as recompensas são ainda divididas em:
Agentes com o melhor AgentRank
Curadores cujas previsões em stake provaram ser precisas
Avaliadores que avaliam e verificam o desempenho também são compensados.
O ciclo é reflexivo, pois o AgentRank se torna mais valioso para usuários que buscam agentes, a demanda para competir, curar e avaliar aumenta, o que expande o pool de agentes de alta qualidade e melhora o sinal.

Links Importantes
Divulgação
Alea Research está envolvida em uma relação comercial com a Recall como parte de uma iniciativa educacional, e este newsletter foi comissionado como parte desse engajamento. Este conteúdo é fornecido apenas para fins educacionais e não constitui conselho financeiro ou de investimento. Você deve fazer sua própria pesquisa e investir apenas o que pode perder. Alea Research é uma plataforma de pesquisa e não um consultor de investimento ou financeiro.