USD1の取引コンペティションは、特に古いプロジェクトのランキングで熾烈に行われており、$Sirenや$TAGのようなダークホースが多くのプロジェクトの中で頭角を現しています。

プロジェクト調査を行った後、実際にはTaggerというプロジェクトは単なるAIのホットトピックに便乗するだけのものではないことに気付きました。Taggerの#Decorpの概念は、データラベリングのサンプル業務に対して解決のパラダイムを提供しています。

従来のデータアノテーション業界での最大の痛点は以下の通りです：

1. 労働集約的で効率が悪く、大量の人力による繰り返しの作業に依存しており、採用、訓練、管理コストが高い。
2. 表示チームの専門能力が異なり、統一基準が欠如しているため、品質にばらつきが生じている
3. 効率的なタスク配信、進捗追跡、納品システムが不足しています。
4. プライバシーとコンプライアンスのリスク問題は処理できず、特に画像、顔、人間の対話などのセンシティブなデータに関して。
5. 自動化ラベリングツールの精度が低く、適応性が悪い。特に、意味理解、医療、画像のぼやけ認識などの高い複雑性の分野では、モデルの補助効率が低い。
6. データ資産は流動性と権利確定メカニズムが不足しており、ラベル付けされたデータの価値を実現することが難しく、データの帰属が曖昧であり、プラットフォームに独占されやすい。
7. 検証可能なラベリング貢献メカニズムが欠如しており、特にラベラーの価値が定量的に記録されることが難しく、長期的なインセンティブシステムの構築が困難です。

タガー氏の #Decorp は、基本的に分散型エンタープライズアーキテクチャを提案しています:タスクの割り当て、品質検査、決済はスマートコントラクトに書き込まれ、オンチェーンの公開ルールとピアドリブンRLHFレビューメカニズムによって自動的に運用され、従来の階層管理を必要とせず、これにより「100万人の従業員」レベルのDeCorpスケールが運用および管理コストを増やすことなく常に完璧に運営できるようになります。 ラベル付けされたデータは、取得からラベル付け、最終配信まで、ブロックチェーンを通じて最初から最後まで記録されるため、データの承認と確認が非常に明確になります。

アノテーションAI Copilotツールは、スキルのしきい値を大幅に下げ、世界中の訓練を受けていない一般の人でも、Taggerの事前トレーニング済みモデルの助けを借りて、専門的なドメイン知識がなくても、特に彼らのために専門的なデータセットに注釈を付けることができます。 ユーザーはいつでも注文を受けることができ、企業は「プラグアンドプレイ」して、高品質で低価格で追跡可能なデータを取得できます。