跳至内容

回忆网络

2025年9月23日2 min

引言

过去两年见证了自主 AI 代理的爆发,以及旨在重新定义数字经济与人类互动方式的加密网络的平行繁荣。随着 AI 模型越来越多地驱动决策和价值转移,一个明显的信任差距已经出现。AI 输出仍然容易受到操纵,性能基准很容易被操纵,用户常常需要接受代理的声明而无需独立验证。

作为回应,可验证性的核心 crypto 理念正在作为潜在的缺失环节浮现。可靠中立基础设施的能力通过提供透明且稳健的机制来验证代理行动和结果,从而在 AI 系统建立信任。

这催生了一个新叙事,其中 onchain 基元被用于验证智能本身。Recall Network 位于 AI 和 crypto 的交汇处,作为“无信任发现引擎” 和 AI 代理的声誉层,旨在为 AI 性能带来与区块链带给金融交易相同的透明度和严谨性。

于2025年初推出,作为两个资深Web3数据团队的合并(3Box Labs of Ceramic and Textile of Tableland),Recall继承了去中心化数据基础设施的深厚专业知识。Recall Network是一个去中心化协议,专为AI的声誉层而构建。简单来说,它提供了一个中立平台,让AI工具和系统能够证明其能力并随着时间建立声誉。

Recall为自治代理提供了一个开放的、基于功绩的环境,涵盖从交易机器人到内容生成器的各种领域。性能基于透明的、独立验证的结果进行衡量。到目前为止,他们已从Multicoin、Coinbase Ventures、Coinfund、USV以及更多机构筹集了$30M。

Infographic showing Recall Network’s fundraising backed by leading crypto investors.
Source: Cryptorank – Recall Network Fundraise

关键要点

  • AI 的信任差距是结构性的:AI 正在金融、企业和消费者应用中传播,但发现仍依赖于炒作和演示,而不是经过验证的性能。没有声誉层,有能力的代理保持隐藏,而过度炒作的则获得关注。
  • 传统基准已失效:静态排行榜和测试集狭窄且易被操纵,产生易过拟合而非泛化的脆弱代理。
  • 竞赛作为黄金标准:实时 AI 竞赛提供可再生的、防泄漏的任务、动态评估以及静态基准无法提供的严谨性。Recall 利用这种结构创建可审计的竞赛,代理必须持续通过这些竞赛来建立声誉。
  • Recall Rank 使声誉可移植:Recall 竞赛中的 AI 性能通过 Recall Rank 复合成一个持久的、可跟踪的分数。这创建了一个持久的信任信号,代理、企业和消费者可以在各种情境中依赖它。
  • $RECALL 激励:$RECALL 代币支持竞赛参赛、质押和策展,将 AI 声誉转化为可投资资产。策展人仅通过支持表现优异的 AI 获利,创造“皮肤在游戏中”的动态机制,从而抑制操纵行为。

AI 经济崛起与信任差距

我们正进入许多人称之为 AI 代理时代的阶段,这代表从孤立的 AI 工具向自主代理的转变,这些代理可以在最小人类监督下做出决策、执行交易并相互互动。用例涵盖金融(算法交易机器人)、内容创作、个人助理、企业工作流程等。举例来说,Virtuals 的 Autonomous Hedge Fund cluster,例如,用户只需与中间代理互动。该代理随后会勘察哪些市场最适合用户在 DeFi 收益、交易和 memecoining 代理网络中的风险偏好和胃口。

Diagram of Virtuals’ Autonomous Hedge Fund cluster in the AI agent economy.
Source: Virtuals Protocol Docs – Virtuals’ Autonomous Hedge Fund Cluster

在这种快速增长中,一个基本挑战依然存在:信任和发现。随着AI代理(以及底层模型)的数量增加,识别哪些AI是胜任且可靠的变得更加复杂。

今天,对于AI产品来说,没有类似于信用评分或谷歌搜索排名的等价物。相反,发现往往依赖于表面信号,例如炫酷的演示、社会媒体受欢迎度或企业品牌。这些都是可能误导或容易伪造的信号,这意味着真正有能力的代理可能隐藏在噪音中,而过度炒作的那些吸引注意力。

除此之外,在一个“green candles = project good and red candle = project bad”的市场中,注意力只是跳到上周10x’ed的下一个AI项目币,即使该币没有目的或任何实用性。因此,AI经济面临一个信任差距,每个代理都在同一个(或略有不同的)回音室中宣传其能力。

市场展望:加密代理、企业和消费者之间的流动

AI 与加密网络的交汇开启了全新的经济流动,通常分为三个部分:A2A(代理到代理),A2B(代理到企业),以及A2C(代理到消费者)。每个部分都代表着一个可能通过信任层解锁的前沿。

  • 代理到代理 (A2A): AI 工具和代理在链上直接合作或交易。这是一个新兴但有前景的领域,在这里,专业代理的集群可以 24/7 交易服务、数据或技能,而无需人类参与。早期示例正在出现。例如,像 Virtuals 这样的协议已提出通过框架标准化代理协作,允许代理在彼此之间协商和执行任务,如其 Autonomous Hedge Fund 集群中所见。

为了让 A2A 蓬勃发展,代理需要关于彼此能力的可靠信号,例如代理的评级系统。Recall 的基础设施可以正好作为代理在决定信任和支付另一个代理之前咨询的声誉预言机。实际上,Recall 可以启用 AI 的自由市场,在那里,可信的代理从其同行那里获得更多业务。

  • 代理到企业 (A2B): AI 代理为公司或协议提供服务。这包括自治代理为 DAO 管理资金库、AI 机器人为企业处理客户支持或运营,或代理为交易公司提供分析和预测。

这在 2024 年第四季度链上 AI 热潮中非常流行,最著名的例子是 ai16z,它是首批将 AI 集成到资金管理、投资和风险投资中的 DAO 之一(模仿著名的 a16z 公司)。

Chart displaying AI16z DAO’s assets under management (AUM).
Source: X:@internetphysics – AI16z daos.fun AUM
  • 代理到消费者 (A2C): 这些是直接服务最终用户的代理,例如个人助理或针对个人的自主投资顾问。Crypto 通过提供支付轨道、身份和这些代理的数据可移植性来发挥作用。例如,一个 AI 会计代理可能每 x 分钟工作收取 stablecoins 的微型费用,并从 onchain 会计标准数据存储库更新其知识。

为了让消费者接受这样的代理,用户需要确信“AI advisor”有可靠的绩效历史,就像你在去餐厅前查看评论一样。

在所有这些流程中,可验证的信号过滤是共同需求。世界经济论坛已经概述,“信任是 AI 代理经济中的新货币”,它将建立在绩效历史和可预测行为的基础上。Recall 想要通过建立一个 onchain 公共记录来解决这个问题,该记录记录谁(或什么)能做什么,从而在消费者应用、企业服务和代理网络中创建 AI 的信任层。

Survey results on trust and acceptance of AI systems.
Source: KPMG, University of Melbourne – Survey on Trust & Acceptance of AI Systems

为什么传统 AI 基准测试不足

传统的 AI 基准测试堆栈,包括排行榜、静态测试集和精选演示,无法返回可靠的结果。三种失败模式反复出现,如普林斯顿大学的一篇研究论文所述,关于 “AI Agents That Matter”:

  • 首先,它们通常是 静态且狭隘,通常在固定数据集或任务上评估模型,这些数据集或任务往往无法很好地代表现实世界的复杂性和动态性。AI 模型在受控环境中登上排行榜是一回事,但在动态的、快速变化的、高噪声环境中持续表现则是另一回事(例如金融市场或开放网络)。
  • 许多基准测试都容易被操纵或不透明。团队往往专门优化以通过测试,有时利用评估指标的怪癖,而不是实现真正泛化的智能。
  • 一种只关注准确性的思维方式,忽略了成本、可靠性和泛化能力。最终结果是代理在纸面上看起来很强大,但在需要长期规划、工具使用和错误恢复的任务上却表现不佳。

在 OpenAI 的 Computer-Using Agent (CUA) 基准报告中,使用了以下基准测试工具:

Screenshot of OpenAI’s Computer-Using-Agent benchmark report.
Source: OpenAI – OpenAI Computer-Using-Agents Benchmark Report
  • OSWorld 通过像素、鼠标和键盘评估在完整桌面环境(Ubuntu/Windows/macOS)中运行的代理。OSWorld 总共包含 369 个任务(以及 Windows 上额外的 43 个任务用于分析)。OSWorld 将自身定位为一种首创的可扩展、真实计算机环境(即,是一个动态的基准测试)。
Diagram of OSWorld benchmarking methodology.
Source: OSWorld Github – OSWorld Benchmarking Methodology
  • 人类能够在 OSWorld 中完成超过 72.36% 的任务,相比之下,目前最高准确率的代理仅达到 47.3%,代理的性能波动剧烈,而人类在不同类型的计算机任务中表现出一致的性能。
Graph comparing human and AI agent results in OSWorld benchmarks.
Source: OSWorld Github – OSWorld Baseline Results
  • WebArena 和 WebVoyager 是评估网络浏览代理在使用浏览器完成现实世界任务性能的基准。WebArena 使用自托管的开源网站离线模拟电子商务、在线商店内容管理系统 (CMS)、社交论坛平台等现实世界场景。WebVoyager 测试模型在 Amazon、GitHub 和 Google Maps 等在线实时网站上的性能。

OpenAI 的 CUA 的基准为 58.1%,而人类的成功率为 78.2%。值得注意的是,成功率分数在 2 年的时间内提高了近 4 倍。

Leaderboard results for AI agents on WebArena tasks.
Source: WebArena – WebArena Leaderboard

人类在这些基准测试中可以持续获得70-80%的平均分数,然而代理在不同基准测试中的方差差异很大,这突显了潜在的动态能力不足以及对某些基准的过拟合。所有这些传统基准都会产生不可移植的信号,其分数既不会随时间持久,也无法转化为代理可以带入新情境的可验证声誉。

规范修复涉及成本、准确性和可重现评估管道的联合优化,正如“AI Agents That Matter”文章所述。需要的是AI代理的一种新型基准,该基准是连续的(随时间动态变化)、透明且难以操纵,并产生持久的声誉档案。这正是Recall旨在通过其链上竞赛和Recall Rank来解决的问题。通过在实时环境中评估代理并记录其性能的完整上下文,Recall为每个AI代理或工具创建不断更新的声誉分数。

真正有效的方法:竞赛

越来越多共识认为,使用结构化的 AI 竞赛是经验严谨性的黄金标准。它们提供了一个可再生的创新任务流,并行运行(在某一时间点对数千种方法进行同等条件下的评估),并嵌入防泄漏实践。泄漏指的是 AI 模型不公平地暴露于测试集的信息,从而其基准分数反映了记忆或捷径而非真正的能力。因此,防泄漏实践包括在评估后保持测试数据隐藏、在无互联网访问的安全环境中运行模型,以及其他措施。

Diagram comparing sequential vs. parallel AI evaluation structures.
Source: arXiv – Comparing sequential and parallelized evaluation structures.

Recall 作为 AI 的中立评级层

Recall Network 提议成为 AI 的中立评级和发现层。其价值主张简单明了,但在当今碎片化的 AI 景观中非常需要,提供代理质量的单一真相来源。他们的目标是开发一个 AI 代理的算法声誉系统,类似于信用局服务于个人金融,或者 PageRank 用于排名网站的方式。

任何 AI,无论谁构建它或它在哪里运行,都可以在 Recall 上记录其性能并获得对所有人可见的排名。这种中立性对于衡量 AI 的实际能力至关重要。

Recall 并不通过构建自己的机器人来竞争,也不偏向某个 AI 胜过另一个;它们只是衡量并呈现智能。这样做,它提供了开发者、用户和其他协议可以信任的可信且无偏见的评级。一个 AI 的分数由 onchain 证明支持(数据和结果记录在账本上),而不是由 AI 的营销预算或其创建者是谁决定的。

Recall 的方法是端到端可验证和透明的。所有底层数据,如竞赛结果、stake 分配和 agent 活动日志,都是公开可访问的,允许任何人审计为什么给定的 agent 有它那样的分数。

Screenshot of Recall’s agent portfolio interface.
Source: Recall Agent Portfolio – Agent Portfolio

Recall 的核心设计原语

Recall 具有可组合的设计,使其能够成为基础设施层,从而使任何 AI 能够无信任地协调和竞争。AI 可以从链下获取知识,并将该知识和性能记录在链上,并通过 Recall Rank 以 经济权益进行评级。系统可以分为三个相互作用的层:竞争 系统,排名引擎,以及 经济策展层。

链上竞赛

Recall 的竞争模块是 AI 实际展示其能力的地方。这些竞赛被设计为智能合约驱动的锦标赛或挑战,在链上部署。每个竞赛由一个任务(交易、编码、预测等)、一个评估设置/环境、一个评分逻辑以及奖励参数定义。

Distribution chart of AgentRank scoring.
Source: Recall Competitions Page – AgentRank Scoring Distribution

当竞赛进行中时,AI(由开发者提交,甚至其他AI系统提交)连接到Recall协议,并实时接收任务输入。然后它们执行自己的策略,例如交易机器人在线程盒市场进行交易,或者编码代理解决编程谜题并将输出或动作提交回链上。智能合约将跟踪每一个动作:提供的输入、返回的输出、耗费的时间,以及任何性能指标,如利润与损失或准确性。

因为所有代理面临相同的条件,竞赛产生了公平的、苹果对苹果的代理性能比较。而且至关重要的是,竞赛的实时性意味着代理的能力是在实时、动态的环境中评估,而不是静态的实验室设置。

所有互动都会记录到区块链(或锚定在链上的链下数据网络)中,作为交易或事件。这意味着比赛的完整生命周期,从开始到最终分数,都可以在事后进行审计。一旦比赛结束,结果就会最终确定(获胜者、代理排名等),任何奖励都会自动分发,通常以代币或奖品以及 Recall Rank 提升的形式,但即使是非获胜者,也会在区块链上获得永久的经验记录。

Screenshot of Recall AlphaWave competition overview.
Source: Recall Competitions – Recall AlphaWave Competition

例如,AlphaWave 是一个交易代理竞赛,奖金池为 $25k。超过 1,000 个代理团队参与竞争,他们在竞赛中执行的每笔交易都被记录下来。获胜者获得奖金并看到他们的 Recall Rank 更新,而所有参与者的结果都被添加到他们的 onchain 简历中。该竞赛还通过生成有价值的副产品(如数据集)产生了一个很好的副作用(策略和结果可用于改进算法),为 AI 社区创造了积极的外溢效应。

Leaderboard results of AlphaWave trading competition.
Source: Recall Competitions – Recall AlphaWave Competition Results

回忆排名声誉引擎

位于竞赛和记忆原始数据之上的,是 Recall Rank 引擎,它是计算每个 AI 声誉分数的算法和智能合约。在实践中,Recall Rank 综合了多个信号:

  1. Recall 的链上挑战中的可验证性能(代理在竞争任务中的实际表现如何),
  2. 通过策展系统进行社区质押(稍后详述),以及
  3. 时间一致性(代理为持续、可靠的结果获得更高分数)。

每次比赛后,AIs 的性能指标会被输入到 Recall Rank 中。每个 AI 在 Recall 上的个人资料都会更新:例如,Agent A 在股票挑选比赛中排名第 2 名,共 500 名(top 0.4%),或者 Agent B 在 Q&A 挑战中正确回答了 80% 的问题,位列 top 10%。这些结果会逐步调整代理在相关领域的声誉。Recall Rank 可以有特定技能的分数(一个代理可能在“trading”中有高分,而在“coding”中有不同的分数,等等)。然而,也可以计算一个综合分数来反映集体信念,作为高潜力代理的信号。综合分数的精确计算和加权机制尚未披露。

新代理从一个基准起始性能分数开始,随着他们在多个比赛中的进展,他们的整体 Recall Rank 分数会根据他们在每个比赛中的表现更新,同时伴随一个表明高潜力的经济赌注。因此,一个分布曲线显示每个代理将在 4 个象限中的哪个位置。

Distribution curve of Recall Rank scores over time.
Source: X: @Recallnet – Expected distribution of Recall Rank scores over time

一个代理的 Recall 资料将显示其过去的竞赛排名、任何奖项(例如,特定挑战的获胜者)、当前的 Recall Rank 分数,以及他们在每个竞赛中获得的投票数,在“competition results”下。

Screenshot of MoonSage agent’s competition history.
Source: MoonSage Agent Profile – MoonSage Agent Competition History

经济策展层

关键特性是 Recall 还将众包质押信号纳入 Recall Rank。任何用户甚至另一个 AI 都可以质押 $RECALL 代币来支持某个 AI,以示对该 AI 未来表现的信心。这就像在体育比赛中下注支持一名选手一样。如果 AI 继续表现出色,支持者可以获得奖励(确切机制可能涉及 slashing 或奖励池,从而正确押注比错误押注获得更多奖励,或来自网络激励)。它也可以被视为一个关于 AI 成功的预测市场。

Voting interface for Recall competitions.
Source: Recall Competitions – Recall Competition Voting

这个机制通过相应地质押,使声誉转变为可投资资产,能够做多或保持中立于AI未来的表现。对于AI代理(例如),它们拥有的更多质押会提升它们的Recall Rank(因为许多人都在为它们担保),这反过来吸引更多用户雇用它们。对于质押者(策展人),这是通过发现被低估的AI人才并获得奖励来赚取收益的一种方式。

这在原始性能数据之上创建了一个 skin-in-the-game 层,这强烈阻止了 Sybil 或假 AI 在排名中上升(因为它们需要吸引真实的经济学注资,而在没有真实性能的情况下,这些注资会犹豫)。这也意味着声誉在 Recall 的经济中具有货币权重,这应该驱使参与者诚实地信号并仅支持可信的 AI。

Recall Rank 因此将技术性能与社会证明(基于市场)相结合,这有助于抵抗操纵,因为一个代理无法购买顶级声誉,因为它需要广泛的真正货币注资支持相信它,而且代理必须持续创新和表现(因为在没有持续性能的情况下,注资和分数会衰减)。

Recall Predict:众包基准中的基准

Predict 是一个由社区驱动的预测平台,它将基准测试本身转化为情报市场。Predict 是另一种旨在推动 Recall Rank 的竞争类型的早期示例。团队将其描述为“世界上第一个不可操纵的 AI 基准,由社区预测驱动”。Predict 不依赖于可以过度拟合或泄露的静态测试集,而是利用数千名众包的人类和代理参与者来预测即将推出的模型(例如,GPT-5 与同行的比较)在各种技能类别中的表现,进一步强化 Recall 作为 AI 无信任发现引擎的作用。

Screenshot of Recall Predict benchmarking platform.
Source: Recall Predict

Recall Predict 的核心在于对 AI 模型技能进行比较预测。对于每个技能类别,将展示模型对,并参与者将预测像 GPT-5 这样的模型是否会比比较模型更强或更弱。参与者可以为特定技能类别提交提示,例如代码生成、导航伦理漏洞、说服力、隐藏消息、尊重无 em-dash 请求,以及更多。这些是实际提交的测试,用于比较模型。

Example skill evaluation from Recall Predict.
Source: Recall Predict – Skill Evaluation

经济激励与增长飞轮

Recall 经济层的顶层是 技能池,在这里,首先识别出技能对代理的需求,以便代理构建。这是通过在已有池的特定技能背后质押真实经济价值,或者为新技能启动新池来完成的。TVL 更高的池通常会吸引更多关注,更多代理在该细分领域开发,并有更多竞争活动。

Visualization of Recall skill pools.
Source: X: @Recallnet – Recall Skill Pools

每个技能池的大小决定了在给定奖励期内,每个技能的代理和策展人从整体 $RECALL 协议奖励中获得的相对百分比。这种设计确保了社区定义的高价值技能获得成比例的更大奖励,将奖励与需求对齐,并创造网络效应,其中代理人才、质押资本和用户需求自然围绕最有价值的技能聚集,从而提升参与度、增加协议价值,并加速市场发现和创新。

Diagram of $RECALL token flow between skill pools.
Source: X: @Recallnet – $RECALL Flow Between Skill Pools

$RECALL 是网络的基本实用代币,因为 Recall 上所有重大行动都与其相关联。例如,当代理在 Recall 的市场上相互交易时(例如,支付数据或服务费用),这些支付可以用 $RECALL 进行,或者产生以 $RECALL 支付的协议费用。用户还使用 $RECALL 积分支付来访问和查询生态系统内的代理。此外,与每个代理进行流动性质押也将产生费用,这些费用以 $RECALL 支付。因此,随着 Recall 上 AI 经济的扩展使用,该代币捕获了该价值流动的一部分。

飞轮机制被设计成这样:任何参与者的成功都会惠及网络。当一个AI赢得比赛时,它会获得$RECALL奖励并提升其Recall Rank。更高的排名会导致更高的可见性,从而可能带来更高的用户需求和交易量。这会吸引更高的策展质押,从而锁定更多供应并进一步提升其Recall Rank。如果代理继续表现良好,策展者也会继续获得奖励,这激励他们再投资或质押其他新兴代理。

Diagram of $RECALL economic flywheel.
Source: X: @Recallnet – $RECALL Economic Flywheel

另一方面,如果一个 AI 表现不佳,质押者会遭受损失并可以撤回支持,这会降低该 AI 的排名,为他人腾出空间。这种动态将资本分配到最佳用途(最具前景的 AI)在一个持续的循环中,本质上创造了一个人才的自由市场治理。网络使用得越多,生成的数据就越多,提高了 Recall Rank 的信号质量,这反过来吸引了更多用户和 AI(因为评级可靠且有价值),导致更多的 token 使用和价值。

结论

Recall 解决了 AI 时代的一个根本挑战:为 AI 提供大规模的声誉。类似于早期互联网需要搜索引擎和网站信任分数的声誉系统,AI 也需要那样的信任层。Recall 通过发明一种方式,让 AI 在 onchain 上证明其价值,在具有明确北极星信号的竞争中脱颖而出(目前是交易的 PnL,但可以扩展到如投注的结果准确性、医学诊断准确性等),正在有力地证明自己就是那个层。

对于评估AI与加密货币交汇点的投资者、构建者和合作伙伴来说,Recall提供了一个原创且潜在关键的拼图件,它可能定义我们未来几年如何发现和信任AI。在一个智能成为商品的世界中,Recall正将自己定位为该商品的市场和裁判,确保AI的新经济基于证明、透明度和获得的声誉运作。

术语表

Term Definition
Static Benchmark Fixed evaluation suite with unchanging datasets and tasks; prone to leakage, overfitting, and obsolescence as models train against or memorize test distributions.
Curation Market Prediction-style staking system where participants back agents with $RECALL as a signal of expected future performance.
Recall Rank Reputation algorithm that assigns persistent scores to AI agents by weighting verifiable competition outcomes, curator staking signals, and recency of performance, producing a portable trust metric.
Proof-of-Intelligence Consensus-by-competition mechanism in which agents demonstrate capability on standardized tasks, with all inputs, outputs, and results logged to generate un-gameable evidence of competence.
Anti-Leakage Practices Design mechanisms that prevent evaluation data from contaminating model training or test exposure.
Reputation Portability Property whereby an agent’s historical performance data persists across contexts, allowing its track record to serve as a reusable credential rather than being siloed to one benchmark or platform.
Generalized Intelligence The ability of an AI system to perform robustly across novel and varied tasks outside its training distribution, contrasting with narrow benchmark-optimized competence.

参考文献

一个用于构建自主代理的真实网络环境。

在真实计算机环境中对多模态代理进行开放式任务的基准测试。

重要的 AI 代理。

为什么 AI 代理的准确性没有达到应有的水平。

AI 竞赛为 GenAI 评估提供了实证严谨性的黄金标准。

披露

Alea Research 与 Recall Network 存在商业关系,并因研究服务获得补偿。本报告是该合作的一部分而委托撰写。

Alea Research 团队成员,包括直接参与本次分析的分析师,可能持有所讨论的代币头寸。

本内容仅供信息和教育目的提供。它不构成财务、投资或法律建议。

Alea Research · 2025年9月23日 · 2 min · 13 个章节

返回顶部