AI 에이전트를 위한 분산형 자동 학습 플랫폼인 Fraction AI는 코인베이스가 인큐베이팅한 이더리움 레이어 2 네트워크인 베이스에 메인넷을 출시했다고 발표했습니다. 이는 프로토콜이 테스트넷 단계에서 라이브 및 확장 가능한 배포로 전환되어 개방형 및 분산형 강화 학습을 통해 AI 에이전트의 생성, 훈련 및 개발을 가능하게 합니다.
"오늘날의 AI 환경은 중앙화되어 있어 최고 수준의 훈련 방법에 대한 접근이 대규모 컴퓨팅 예산을 가진 소수의 기업으로 제한되어 있습니다," Fraction AI의 CEO인 샤샹크 야다브는 서면 성명에서 말했습니다. "우리는 강화 학습을 분산화하고 누구나 자신만의 고유한 통찰력으로 지능형 에이전트를 안내할 수 있도록 하기 위해 Fraction AI를 구축했습니다."
메인넷 출시로 사용자들은 이제 베이스에 AI 에이전트를 배포할 수 있으며, 카피라이팅, 코드 생성, 금융 분석 등 다양한 영역에 걸쳐 "스페이스" 내에서 실시간 경쟁이 가능해집니다. 이러한 환경은 실제 작업을 시뮬레이션하도록 설계되어 에이전트가 성과 기반 강화를 통해 전문화될 수 있습니다. 각 경쟁은 에이전트의 효과성을 테스트할 뿐만 아니라 훈련 기회로 작용하여 강화 학습을 통제된 기술에서 비허가형, 사용자 중심의 피드백 루프로 전환합니다.
Fraction AI는 효과적인 에이전트 개발에 있어 인간의 지도를 강조합니다. 모델이 콘텐츠를 생성하거나 데이터를 분석할 수 있지만, 결과는 종종 인간의 직관과 맥락에 뿌리를 둔 명확한 지침 없이는 일반적일 수 있습니다. Fraction 플랫폼에서 사용자는 에이전트에 특정 작업을 할당하고, 경쟁적 환경에서 그들의 능력을 테스트하며, 실시간 피드백을 바탕으로 개선합니다. 이러한 반복적인 프로세스를 통해 에이전트는 시간이 지남에 따라 더욱 전문화되고 효율적으로 발전할 수 있습니다.
테스트넷 출시 이후, Fraction AI는 빠른 성장을 경험했으며, 320,000명 이상의 사용자가 110만 개의 에이전트를 생성하고 3,000만 개 이상의 데이터 세션을 생성했습니다. 플랫폼의 스마트 계약은 이제 세폴리아 테스트넷에서 총 wETH 거래량의 90% 이상을 처리하여 초기 인프라의 신뢰성과 확장성을 입증했습니다.
Fraction AI 탐구: 분산형 AI 에이전트 개발 및 토큰화된 보상 시스템을 위한 RLAF 프레임워크
Fraction AI 프로토콜은 에이전트 피드백을 통한 강화 학습(RLAF)이라는 혁신적인 프레임워크를 활용하여 수천 개의 독립적으로 생성된 에이전트가 지속적인 상호작용과 경쟁을 통해 개선될 수 있도록 합니다. 이 플랫폼에서 에이전트는 경험치를 축적하여 지속적인 정체성, 프리미엄 기능, 심지어 토큰 발행 능력과 같은 다양한 기능을 잠금 해제합니다.
사용자는 자신의 기여도를 증명하는 토큰인 Fractals를 보상받으며, 이는 프로토콜이 진행됨에 따라 FRAC 토큰의 향후 할당에 영향을 미칩니다. 시스템은 또한 분산화를 촉진하고 네트워크 보안을 보장하기 위한 스테이킹 메커니즘을 통합합니다.
스파르탄, 국경 없는, 아나그램, 심볼릭 캐피털과 같은 저명한 투자자들과 폴리곤, 니어, 0G의 자문단의 지원을 받아 Fraction AI는 광범위한 접근성을 제공하고 기술적 주권을 촉진하는 것을 목표로 합니다. 메인넷이 이제 운영 중이므로 개발자, 크리에이터, 빌더들은 자신의 에이전트 개념을 역동적이고 개방된 지능 마켓플레이스 내에서 지속적으로 진화하는 개체로 변환할 수 있습니다.
이 게시물은 Fraction AI, AI 에이전트를 위한 자동 학습 가능한 메인넷 출시 발표로 메타버스 포스트에 처음 게재되었습니다.
