我们提出 EVAL Engine（评估验证架构），这是一个用于评估 AI 代理的去中心化框架，专注于通过可验证的实时评估和持续学习能力来评估加密原生代理。
我们的系统利用 Chromia 的无 gas 关系型区块链架构，实现对 AI 代理性能的透明、不可变且经济高效的评估。该系统结合了多个 LLM-as-a-judge[1] 和社交参与指标，通过反馈循环和奖励系统进行持续强化学习。
我们证明 EVAL Engine 能够实现高效、安全的评估，同时通过参与驱动的反馈循环适应不断变化的性能标准。
我们还提出了 EVAL Engine 开发的全面路线图，包括 API 开发、数据准备、模型开发和模型部署。
