去中心化的AI代理自动训练平台Fraction AI宣布，其已在Coinbase孵化的以太坊Layer 2网络Base上启动主网。这标志着该协议从测试网阶段过渡到一个实时、可扩展的部署，允许通过开放和去中心化的强化学习创建、训练和开发AI代理。
"当今的AI领域被中心化所定义，顶级训练方法的访问仅限于少数拥有大规模计算预算的公司，"Fraction AI的首席执行官Shashank Yadav在书面声明中说。"我们构建Fraction AI就是为了通过去中心化强化学习，赋能任何人用他们独特的洞察力引导智能代理，"他补充道。
随着主网的启动，用户现在可以在Base上部署AI代理，在各个领域的"空间"中进行实时竞争，如文案写作、代码生成和金融分析。这些环境旨在模拟真实世界的任务，让代理通过基于性能的强化来专业化。每场竞争不仅是代理有效性的测试，也是训练机会，将强化学习从一种受控技术转变为无需许可、用户驱动的反馈循环。
Fraction AI强调人类在开发有效代理中的指导作用。虽然模型可能生成内容或分析数据，但如果没有植根于人类直觉和背景的明确指令，结果往往会显得普通。在Fraction平台上，用户为代理分配特定任务，在竞争环境中测试其能力，并根据实时反馈进行改进。这种迭代过程使代理随着时间推移变得更加专业和高效。
自测试网启动以来，Fraction AI经历了快速增长，超过320,000用户创建了110万个代理，并生成了超过3000万个数据会话。该平台的智能合约现在处理Sepolia测试网上90%以上的总wETH交易量，展示了其早期基础设施的可靠性和可扩展性。
探索Fraction AI：用于去中心化AI代理开发和代币化奖励系统的RLAF框架
Fraction AI协议利用了一个名为代理反馈强化学习（RLAF）的创新框架，允许数千个独立创建的代理通过持续的交互和竞争来改进。在这个平台上，代理通过积累经验点来发展，解锁各种能力，如持久性身份、高级功能，甚至发行代币的能力。
用户将获得Fractals代币，代表他们贡献的证明，这将影响协议进展过程中FRAC代币的未来分配。该系统还整合了Staking机制，以促进去中心化并确保网络安全。
在Spartan、Borderless、Anagram和Symbolic Capital等知名投资者，以及来自Polygon、Near和0G的顾问的支持下，Fraction AI旨在提供广泛的访问并促进技术主权。随着主网现已运行，开发者、创作者和建设者可以将他们的代理概念转变为在动态、开放的智能市场中不断演进的实体。
本文最初发表于元宇宙邮报。
