allora @AlloraNetwork 技术路线图 这张图是 Allora 项目的技术路线图，是项目在未来多个阶段（Phase 1–5）中的技术发展方向和生态目标。可以分为两大部分： 上半部分：Network Functionality / Topic Diversification（网络功能与主题多样化） 这一部分描述了 Allora 网络在不同阶段将支持的机器学习（ML）功能与主题范围。 Phase 1 ML classification（机器学习分类）：支持词典推理、多输出模型。 应用领域：预测市场、传统金融（tradfi）、RWA（现实资产）、游戏、体育等。 Phase 2 Fee model in CLOB format：费用模型将采用限价订单簿（CLOB）形式，与支付挂钩。 Private inferences（隐私推理） RWA topics：支持现实资产（商品、法币等）。 Event probabilities：支持事件类概率推理，如客户流失、忠诚度、欺诈、风险等。 Phase 3 取消白名单机制：放开对工作节点与信誉者的限制。 ML unsupervised learning（无监督学习）：特别是异常检测（anomaly detection）。 Phase 4 Request/response topics：引入请求/响应型主题。 Multi-functional topics：用于资金整合的多功能主题。 Merkle proof + data availability layer：增加默克尔证明和数据可用性层。 Cheating detection：检测作弊行为。 Phase 5 ML unsupervised learning（clustering）：无监督聚类学习。 LLMs & Generative AI：引入大语言模型与生成式 AI。 Robotics：用于实时（on-the-fly）定量推理的机器人智能。 下半部分：Ecosystem / Developer Growth（生态与开发者成长） 这一部分讲的是生态系统建设与开发者工具的演进。 Phase 1 Allo 集成进 DeFi 市场 多链支持（Multichain ALLO） Allora Prime 质押奖励 Agent 支持与加速器（Agent Accelerator） Allora Forge 2.0：提供 AI/ML 开发的加密抽象层。 Phase 2 Phase 2 集成上线 企业部署第一阶段 质押代币：ALLO LST 改进 AI/ML 开发工具 Allora 计划分五阶段演进，从基础的机器学习推理市场逐步扩展到： 多样化主题与隐私保护； 引入企业级应用； 增强数据层与验证机制； 最终支持 LLM、生成式 AI 与机器人等高阶智能推理。(头雁)