深潮 TechFlow：下一个有趣的问题是，有时候 AI 也会说谎，AI 幻觉等问题也备受诟病，TrueNorth 本身也向用户输出很多信息，用户如何相信 TrueNorth 的输出结果是值得信任的？或者你们如何保证信息的真实性？
Alex：
这是一个很好问题。一方面，TrueNorth 的数据源足够多且足够实时，我们的数据源包含链上和链下：链上数据包含 Solana、EVM 等各种不同链的实时数据，上面各种不同链这些实时性的数据；链下数据包含 TG 群里的喊单、Alpha 群的一些勾兑甚至一些阴谋集团、阳谋集团以及 Crypto Twitter 上的一些情绪等。
我们把大量的数据进行比较精准的聚合，底层的 Agent 还用了强化学习的方式，让它基于市场的实时变动去进一步学习如何对这些数据进行提炼。在足够多且实时的数据源基础上，AI 交叉验证的逻辑性形成闭环，用大模型的能力去融合这些东西，得出更趋近于真实的真相。
例如说，今天你可能会发现很多人在 Twitter 上喊单，或者说是提供足够多的奖励将一个项目推进更多人的视线中，但这个项目真正就是好项目吗？有时候并不是这样，衡量一个项目的好坏需要更多数据，比如 Market Cap、链上流动性、项目未来规划等，所以 TrueNorth 其实是一个多维度的尽职调查，在此基础上把最多元的数据最真实的呈现给用户，而不会通过其他激励机制扭曲输出结果。
我觉得这是 TrueNorth 很不一样的地方之一，它基于市场数据做出最真实的反馈，跟很多喊单营销完全不一样，我相信这也会带给用户非常不一样的体验。
「千人千面」的前端体验，超低延迟的后端效率深潮 TechFlow：刚才 Alex 已经分享了一些技术上的逻辑或思考，所以也想请二位分享一下，TrueNorth 哪些技术是领先的，在攻破相关技术问题时，哪些问题曾深深困扰团队？可否请您分享一些技术研发背后的有趣故事？
Alex：
我们的技术底座包含三大模块：
-
生成式 UI/UX：TrueNorth 采用动态的、超个性化的界面，能够根据每位投资者的交互行为和不断变化的市场条件主动适配。
-
Agentic Flow：我们独有的可扩展智能架构通过先进的多智能体协作，将发现（Discovery）与执行（Execution）功能无缝整合。TrueNorth 能够根据用户的历史行为和偏好推断意图，协调复杂的投资工作流，从而降低用户的认知负担并简化操作。
-
RL Bootstrap：TrueNorth 运用先进的强化学习技术，包括自我博弈（self-play）、多智能体强化学习以及基于人类反馈的强化学习，不断优化智能体的性能。
我认为生成式 UI/UX 是一个非常前沿的理念，虽然现在很多人开始关注，但我们的应用有一个核心目标，就是实现真正的个性化（personalization）。