需求：AI团队
带来模型需求、预算、任务规格、质量标准和权限模型。 Humanbased 将需求转化为市场可以执行的任务项目。
运行方式
AI 数据不是现成库存。 而是生产的成果。
委托。共创。署名。 Humanbased 让智能体开发者与专家共同创造数据——这些数据在有人提出需求之前并不存在。Campaign Builder 负责组织生产；Data Lineage 记录每一份成果由谁完成，让验收通过的成果在授权与复用时依然保留署名。
- 需求 需求创造简报
- 生产 Campaign Builder治厂
- 数据谱系 Data Lineage记录贡献贡献
- 分布 价值随资产变动
需求侧引擎
Campaign Builder 轮流请求 进入数据工厂。
这是市场的工厂车间。它定义了目标、任务格式、贡献者池、智能体协助、审查路径、质量门、预算和验收规则，以便可以生成而不是仅仅获取专门的人工智能数据。
Airbnb 有房屋。亚马逊有 SKU。 AI数据首先需要一个工厂。
传统市场从现有库存开始。人工智能数据市场开始得更早：模型团队知道自己需要什么，但供应可能还不存在。
该供应必须进行委托、生成、审查、归属、打包、许可，有时还需要重复使用。 Humanbased 是为整个循环而构建的：生产第一，市场第二，始终附加数据谱系。
平台创建资产 需求与供给之间。
供应：贡献者和专家
完成成果验收，主要通过稳定币收益支付 USDCUSDC 是公认的 Humanbased 工作的主要稳定币收益支付渠道。，建立可移植的贡献记录，保留贡献贡献，并在验收的成果成为可重用资产时与未来价值保持联系。
运营商供应：团队和组织
通过与每个任务项目相匹配的分配、审查、所有权、贡献收益和收益支付规则来运营专门的供应组。
智能体供应：自动化建设者
将预标注、评估、QA、路由、自动评估和任务项目自动化插入同一生产市场。
转变需求的运营循环 进入可分配供应。
- 指定需求 定义模型目标、任务格式、贡献者概况、验收标准、预算和权限模型。
- 经营工厂 使用 Campaign Builder 通过人员、专家、团队、组织、智能体、审查路径和质量门来安排工作。
- 接受工作 在作品成为资产的一部分之前，结合人工审核、专家判断、智能体检查、基准测试和来源追溯日志。
- 记录所有权 使用 Data Lineage 连接 收获通过的成果 贡献奖金、来源追溯、所有权和 快照 资格。
- 分配价值 支持预付款、服务费、访问费、所有权转让、市场削减和未来的版税发行。
供给侧基础
Data Lineage 轮转生产 转化为可拥有的供应。
这就是生产后市场发挥作用的原因。一旦工作被接受，Data Lineage 就会记录谁贡献了、什么被接受了、附加了哪些权利，以及当资产被分发或重用时谁可以参与。 Humanbased 可以通过以下方式将所有权锚定在链上 BaseBase是低成本的Ethereum L2，可以锚定数据谱系。 和 EthereumEthereum 是所有权和版税的持久 L1 记录。 所以贡献了增益、访问权、收益支付和版税资格与数据一起旅行。
- 已接受资产的所有权记录
- 贡献在组装和重复使用中幸存下来的贡献
- 收益支付和版税的分配逻辑
Data Lineage 构建于 XnYXnYXnY Protocol 记录了贡献数据谱系、使用权和版税路径。 Humanbased 在此基础上构建； XnY单独操作。 所以贡献的贡献、使用权和版税路径在数据离开 Humanbased 后仍保留在数据中。
锚定今天在 Base 上直播，网络费用得到赞助。在此基础上构建的步骤——将锚定工作捆绑到数据集资产中、铸造所有权代币以及在使用该资产时支付版税——仍在开发中。
专业的人工智能数据从工作开始， 然后变成供应。
世界建模
物理交互痕迹、具体任务演示、环境标注、故障案例和模拟反馈可以通过相同的生产和数据谱系循环移动。
专业知识
法律、编码、医学、财务和科学判断通常从专家审查、标注、推理或验证工作开始，然后才成为可重用的模型数据。
图片和视频
同意的媒体、场景描述、时间一致性检查、安全审查、偏好评级和多模态 QA 可以保留来源追溯和权利上下文。
语音
获得许可的演讲、同意的录音、口音覆盖、对话审查、发音 QA 和语音偏好判断都可以在附加贡献贡献的情况下生成。