Autonom AI handlade krypto för 20 miljoner USD på testnät
En studie visar att autonoma språkmodellsagenter framgångsrikt genomförde kryptohandel för 20 miljoner USD med verkligt kapital på ett begränsat testnät över 21 dagar.
Vad har hänt
Forskare har i en studie publicerad på arXiv undersökt tillförlitligheten hos autonoma språkmodellsagenter som omvandlar användarmandat till validerade verktygsåtgärder. Den genomfördes på DX Terminal Pro, en 21-dagars distribution där 3 505 användarfinansierade agenter handlade riktig ETH på en avgränsad onchain-marknad. Systemet genererade 7,5 miljoner agentanrop och cirka 300 000 onchain-åtgärder under perioden. Över 5 000 ETH användes under experimentet.
Snabbfakta
| Handelsperiod | 21 dagar |
|---|---|
| Antal agenter | 3 505 |
| Total handelsvolym | $20 miljoner USD |
| Utplacerat ETH | >5 000 ETH |
| Antal onchain-åtgärder | Cirka 300 000 |
| Lyckade transaktioner | 99,9% |
”We study reliability in autonomous language-model agents that translate user mandates into validated tool actions under real capital.”
”The system produced 7.5M agent invocations, roughly 300K onchain actions, about $20M in volume, more than 5,000 ETH deployed, roughly 70B inference tokens, and 99.9% settlement success for policy-valid submitted transactions.”
”Reliability did not come from the base model alone; it e”
Varför det spelar roll
Studiens resultat indikerar att systemets tillförlitlighet inte enbart härrörde från basmodellen. Detta belyser vikten av externa kontrollsystem för säker drift av AI-agenter. Framgångsgraden på 99,9% för godkända transaktioner visar potentialen för AI-agenter i finansiella applikationer under kontrollerade former. Erfarenheten ger också insikter i hur AI-agenter kan hantera finansiella transaktioner med verkligt kapital.
Vem påverkas
Denna utveckling påverkar forskare och utvecklare inom AI, särskilt de som arbetar med autonoma agenter och decentraliserade applikationer (dApps). Även finansiella institutioner och kryptobörser kan dra nytta av insikterna. Användare som överväger AI-drivna finansiella verktyg kan också vara intresserade av studiens slutsatser kring tillförlitlighet och kontroll.
EU-status
Ej relevant för EU-status.
Mer att veta
DX Terminal Pro-experimentet genererade en omfattande datamängd. Systemet hanterade cirka 70 miljarder inferenstimmar. Långvariga agenter fattade tusentals sekventiella beslut, där de mest aktiva utförde över 6 000 prompt-state-action-cykler.
Snabba svar om den här nyheten
Vad har hänt?
När hände det?
Länken öppnar i nytt fönster och leder till utgivarens egen sida.
Källan har spårats automatiskt från utgivaren via Aheadlines signalkedja.