Stockcoin Trading Season 소개

SPCX, OpenAI IPO를 진행했던 Stockcoin에서 하이닉스 주식을 상품으로 걸고 거래량 이벤트를 진행 중

✔️상세 내용
- 기간: 7/31~8/15(UTC)
- 리워드 : SKHY(SK하이닉스 주식) $10,000 풀, 랭킹 없이 거래량 비례 배분
- 대상 : Stockcoin Futures 전 종목 선물 거래
- 리워드 정산 : 종료 후 영업일 기준 3일 내

빈집일거 같은데 관심있으신 분들 확인해보세요!

➡️이벤트 하러가기

DAPPOS, Optimistic 방식으로 결과를 검증하는 구조 1/10

온체인 작업을 안전하게 처리하려면 모든 실행 과정을 네트워크가 처음부터 끝까지 직접 감시해야 할 것 같음.

하지만 DAPPOS의 Intent Execution Network는 조금 다른 방향을 사용합니다.

Service Provider가 사용자의 Intent를 실행하고, 중요한 것은 그 과정 하나하나가 아니라 약속했던 결과가 실제로 달성됐는지임. 네트워크는 Service Provider가 어떤 구체적인 방법으로 결과를 만들었는지보다 최종 결과의 성공 여부를 검증합니다.

이 구조가 가능한 배경에 DAPPOS의 Optimistic Minimum Staking, OMS​가 있음.

쉽게 말하면 모든 행동을 중앙에서 통제하는 대신,

결과를 맡김
→
이상이 있으면 검증
→
문제가 확인되면 책임

이라는 방향임.

실행 자유도와 결과 보장을 분리하는 것이 핵심임.

🔗스토리텔러 공지 l 웹사이트 l 트위터 l 링크트리 l 스토리텔러 대시보드

#DAPPOS #OMS #IntentExecution #OptimisticVerification #Web3AIOS #스토리텔러

DAPPOS, Self-Reporting이 가능한 이유 2/10

누군가 작업을 대신 실행했다면 네트워크가 직접 성공 여부를 확인할 때까지 기다려야 할 것 같음.

DAPPOS에서는 Service Provider가 Intent Task를 완료한 뒤 스스로 completion을 보고할 수 있습니다.

이 방식의 장점은 정상적으로 끝난 작업까지 매번 복잡한 분쟁 절차를 거치지 않아도 된다는 것임.

하지만 중요한 조건이 있음.

Service Provider가

“완료했습니다”

라고 말했다고 해서 그 말 자체가 최종 진실이 되는 건 아님.

결과에 문제가 있다고 판단되면 Execution Validator가 이를 검증하고 Challenge할 수 있음.

즉 Self-Reporting은 신뢰를 무조건 주는 구조가 아니라,

정상적인 실행은 빠르게 처리하면서 잘못된 실행에는 이의를 제기할 수 있도록 만든 시작점임.

🔗스토리텔러 공지 l 웹사이트 l 트위터 l 링크트리 l 스토리텔러 대시보드

#DAPPOS #SelfReporting #OMS #ExecutionNetwork #Intent #스토리텔러

DAPPOS, 침묵하면 작업 상태가 영원히 멈추는 구조가 아님 3/10

Service Provider가 작업을 수행했는데 완료 보고를 하지 않는 상황도 생각할 수 있음.

그렇다고 사용자의 Intent가 무기한 대기 상태에 빠지면 안 됨.

DAPPOS의 실행 흐름에서는 Service Provider가 직접 완료를 보고하지 않을 경우 Intent에 지정된 시간이 지난 뒤 Execution Validator가 성공 여부를 검증할 수 있도록 설계돼 있습니다.

즉 상태 전환이 Service Provider 한쪽에만 의존하지 않음.

Provider 완료 보고
또는
시간 조건 이후 Validator 검증

이라는 두 경로가 있는 것임.

탈중앙 실행 시스템에서는 이런 구조가 중요함.

작업을 맡은 한 참여자가 응답하지 않는다고 해서 전체 settlement까지 멈추지 않게 하는 장치이기 때문임.

🔗스토리텔러 공지 l 웹사이트 l 트위터 l 링크트리 l 스토리텔러 대시보드

#DAPPOS #ExecutionValidator #Settlement #OMS #IntentExecution #스토리텔러

DAPPOS, 단순 확인이 아니라 이의를 제기하는 검증 구조 4/10

Execution Validator의 역할은 결과를 구경하고 기록하는 것만이 아님.

DAPPOS 공식 실행 흐름에서는 Intent Task가 실패했다고 판단되면 Execution Validator가 네트워크에 Challenge를 제기할 수 있습니다.

여기서 Challenge는 중요한 상태 변화임.

한 Validator가

“이 실행은 실패한 것 같다”

라고 판단했다고 즉시 Service Provider가 처벌되는 것은 아님.

Challenge가 발생하면 그다음에는 네트워크 차원의 합의 과정으로 넘어감.

즉

실패 의심
→
Challenge
→
Network Consensus

라는 구조임.

개별 감시자가 문제를 발견할 수 있게 하되 최종 판정까지 혼자 내리지는 못하게 만드는 방식임.

🔗스토리텔러 공지 l 웹사이트 l 트위터 l 링크트리 l 스토리텔러 대시보드

#DAPPOS #Challenge #ExecutionValidator #OMS #Consensus #스토리텔러

DAPPOS, Challenge 이후 DPoS Voting이 시작되는 이유 5/10

Validator 한 명에게 최종 판정권이 있다면 또 다른 문제가 생김.

그 Validator가 잘못 판단하거나 악의적으로 행동할 수도 있기 때문임.

DAPPOS에서는 Challenge가 발생하면 전체 Execution Validator가 Delegated Proof of Stake 방식으로 투표해 Consensus에 도달하도록 설계돼 있습니다.

따라서

Validator A의 판단

최종 결과

가 아님.

Validator A가 Challenge
↓
Validator Network 투표
↓
Consensus
↓
성공 또는 실패 확정

이라는 흐름임.

기술적으로 중요한 부분은 Detection과 Final Decision을 분리했다는 것임.

누군가는 이상을 발견하고, 최종 판단은 네트워크가 수행함.

🔗스토리텔러 공지 l 웹사이트 l 트위터 l 링크트리 l 스토리텔러 대시보드

#DAPPOS #DPoS #Consensus #Challenge #ExecutionNetwork #스토리텔러

DAPPOS, Optimistic 방식으로 결과를 검증하는 구조 1/10

온체인 작업을 안전하게 처리하려면 모든 실행 과정을 네트워크가 처음부터 끝까지 직접 감시해야 할 것 같음.

하지만 DAPPOS의 Intent Execution Network는 조금 다른 방향을 사용합니다.

Service Provider가 사용자의 Intent를 실행하고, 중요한 것은 그 과정 하나하나가 아니라 약속했던 결과가 실제로 달성됐는지임. 네트워크는 Service Provider가 어떤 구체적인 방법으로 결과를 만들었는지보다 최종 결과의 성공 여부를 검증합니다.

이 구조가 가능한 배경에 DAPPOS의 Optimistic Minimum Staking, OMS​가 있음.

쉽게 말하면 모든 행동을 중앙에서 통제하는 대신,

결과를 맡김
→
이상이 있으면 검증
→
문제가 확인되면 책임

이라는 방향임.

실행 자유도와 결과 보장을 분리하는 것이 핵심임.

🔗스토리텔러 공지 l 웹사이트 l 트위터 l 링크트리 l 스토리텔러 대시보드

#DAPPOS #OMS #IntentExecution #OptimisticVerification #Web3AIOS #스토리텔러

DAPPOS, Self-Reporting이 가능한 이유 2/10

누군가 작업을 대신 실행했다면 네트워크가 직접 성공 여부를 확인할 때까지 기다려야 할 것 같음.

DAPPOS에서는 Service Provider가 Intent Task를 완료한 뒤 스스로 completion을 보고할 수 있습니다.

이 방식의 장점은 정상적으로 끝난 작업까지 매번 복잡한 분쟁 절차를 거치지 않아도 된다는 것임.

하지만 중요한 조건이 있음.

Service Provider가

“완료했습니다”

라고 말했다고 해서 그 말 자체가 최종 진실이 되는 건 아님.

결과에 문제가 있다고 판단되면 Execution Validator가 이를 검증하고 Challenge할 수 있음.

즉 Self-Reporting은 신뢰를 무조건 주는 구조가 아니라,

정상적인 실행은 빠르게 처리하면서 잘못된 실행에는 이의를 제기할 수 있도록 만든 시작점임.

🔗스토리텔러 공지 l 웹사이트 l 트위터 l 링크트리 l 스토리텔러 대시보드


#DAPPOS #SelfReporting #OMS #ExecutionNetwork #Intent #스토리텔러

DAPPOS, 침묵하면 작업 상태가 영원히 멈추는 구조가 아님 3/10

Service Provider가 작업을 수행했는데 완료 보고를 하지 않는 상황도 생각할 수 있음.

그렇다고 사용자의 Intent가 무기한 대기 상태에 빠지면 안 됨.

DAPPOS의 실행 흐름에서는 Service Provider가 직접 완료를 보고하지 않을 경우 Intent에 지정된 시간이 지난 뒤 Execution Validator가 성공 여부를 검증할 수 있도록 설계돼 있습니다.

즉 상태 전환이 Service Provider 한쪽에만 의존하지 않음.

Provider 완료 보고
또는
시간 조건 이후 Validator 검증

이라는 두 경로가 있는 것임.

탈중앙 실행 시스템에서는 이런 구조가 중요함.

작업을 맡은 한 참여자가 응답하지 않는다고 해서 전체 settlement까지 멈추지 않게 하는 장치이기 때문임.

🔗스토리텔러 공지 l 웹사이트 l 트위터 l 링크트리 l 스토리텔러 대시보드

#DAPPOS #ExecutionValidator #Settlement #OMS #IntentExecution #스토리텔러

DAPPOS, 단순 확인이 아니라 이의를 제기하는 검증 구조 4/10

Execution Validator의 역할은 결과를 구경하고 기록하는 것만이 아님.

DAPPOS 공식 실행 흐름에서는 Intent Task가 실패했다고 판단되면 Execution Validator가 네트워크에 Challenge를 제기할 수 있습니다.

여기서 Challenge는 중요한 상태 변화임.

한 Validator가

“이 실행은 실패한 것 같다”

라고 판단했다고 즉시 Service Provider가 처벌되는 것은 아님.

Challenge가 발생하면 그다음에는 네트워크 차원의 합의 과정으로 넘어감.

즉

실패 의심
→
Challenge
→
Network Consensus

라는 구조임.

개별 감시자가 문제를 발견할 수 있게 하되 최종 판정까지 혼자 내리지는 못하게 만드는 방식임.

🔗스토리텔러 공지 l 웹사이트 l 트위터 l 링크트리 l 스토리텔러 대시보드

#DAPPOS #Challenge #ExecutionValidator #OMS #Consensus #스토리텔러

DAPPOS, Challenge 이후 DPoS Voting이 시작되는 이유 5/10

Validator 한 명에게 최종 판정권이 있다면 또 다른 문제가 생김.

그 Validator가 잘못 판단하거나 악의적으로 행동할 수도 있기 때문임.

DAPPOS에서는 Challenge가 발생하면 전체 Execution Validator가 Delegated Proof of Stake 방식으로 투표해 Consensus에 도달하도록 설계돼 있습니다.

따라서

Validator A의 판단

최종 결과

가 아님.

Validator A가 Challenge
↓
Validator Network 투표
↓
Consensus
↓
성공 또는 실패 확정

이라는 흐름임.

기술적으로 중요한 부분은 Detection과 Final Decision을 분리했다는 것임.

누군가는 이상을 발견하고, 최종 판단은 네트워크가 수행함.

🔗스토리텔러 공지 l 웹사이트 l 트위터 l 링크트리 l 스토리텔러 대시보드

#DAPPOS #DPoS #Consensus #Challenge #ExecutionNetwork #스토리텔러

DAPPOS, Execution과 Verification을 분리한 이유 6/10

Intent를 처리하는 Service Provider에게 실행 방법까지 하나로 강제하면 시스템의 선택지가 줄어들 수 있음.

DAPPOS의 Intent Execution Network는 Service Provider가 Intent를 어떤 구체적인 방식으로 완수했는지는 중요하게 다루지 않고, 약속된 결과가 성공했는지를 중심으로 검증​합니다.

이게 중요한 이유는 실행과 검증을 서로 다른 문제로 볼 수 있기 때문임.

Execution
→ 결과를 만드는 가장 좋은 방법을 찾음

Verification
→ 약속된 결과가 실제로 나왔는지 확인함

Service Provider는 다양한 실행 방법을 선택할 수 있고,

Validator Network는 결과 조건을 중심으로 판단함.

실행 경로는 유연하게 두면서 결과에 대한 책임은 유지하는 구조라고 볼 수 있음.

🔗스토리텔러 공지 l 웹사이트 l 트위터 l 링크트리 l 스토리텔러 대시보드

#DAPPOS #Intent #Verification #ServiceProvider #ExecutionLayer #스토리텔러

DAPPOS, Stake가 단순 참가비가 아닌 이유 7/10

Service Provider가 담보를 예치한다는 설명만 들으면 그냥 네트워크 참가 조건처럼 느껴질 수 있음.

하지만 Challenge 구조까지 연결하면 담보가 왜 필요한지 더 명확해짐.

DAPPOS에서는 Validator Consensus가 Intent Task의 실패를 확정하면 Service Provider의 collateral을 사용해 사용자에게 보상하도록 설계돼 있습니다. 그리고 Challenge를 제기해 실제 실패를 찾아낸 참여자에게도 보상이 돌아갑니다.

즉 담보는 단순히 잠겨 있는 자산이 아니라

Execution 책임
↓
Failure 판정
↓
Economic Compensation

을 연결하는 수단임.

Intent 실행에서 “실패하면 어떻게 하지”라는 문제를 경제적 책임 구조까지 포함해서 설계한 것임.

🔗스토리텔러 공지 l 웹사이트 l 트위터 l 링크트리 l 스토리텔러 대시보드

#DAPPOS #Collateral #IntentExecution #Challenge #OMS #스토리텔러

DAPPOS, 잘못된 이의 제기에도 비용이 필요한 이유 8/10

Challenge를 누구나 아무 비용 없이 계속 걸 수 있다면 또 다른 공격 방법이 생길 수 있음.

정상적인 실행에도 계속 이의를 제기해서 settlement를 방해할 수 있기 때문임.

DAPPOS에서는 Challenge 이후 Validator Consensus가 실제로 Intent가 성공했다고 판정하면 잘못 Challenge한 참여자가 penalized되는 구조를 사용합니다.

반대로 실제 실패를 찾아냈다면 Challenger가 보상을 받음.

정리하면

실제 실패 + 올바른 Challenge
→ 보상

정상 실행 + 잘못된 Challenge
→ 패널티

임.

이런 양방향 인센티브가 필요한 이유는 단순함.

Service Provider만 정직하게 행동해야 하는 게 아니라 검증자 역시 자신의 판단에 책임을 져야 하기 때문임.

🔗스토리텔러 공지 l 웹사이트 l 트위터 l 링크트리 l 스토리텔러 대시보드

#DAPPOS #ChallengeMechanism #Validator #IncentiveDesign #OMS #스토리텔러

DAPPOS, 검증 완료가 다음 실행 Capacity와 연결되는 구조 9/10

Service Provider는 무한정 많은 Intent Task를 동시에 맡을 수 있는 구조가 아님.

DAPPOS에서는 Service Provider가 처리 중인 Task의 총가치가 담보와 연동되며, Task가 성공적으로 완료되고 검증되면 해당 Task Value가 현재 책임량에서 빠져 새로운 Task를 받을 수 있는 여지가 생깁니다.

Execution Workflow에서도 성공에 대한 Challenge가 발생하지 않으면 Service Provider에 대응되는 Task Value가 release되는 것으로 설명됩니다.

즉 검증은 과거 작업을 확인하는 절차만이 아님.

Task 수락
↓
Liability 사용
↓
Execution
↓
Verification
↓
Liability Release
↓
새 Task 수행 가능

이라는 하나의 Capacity Cycle을 구성함.

결과 검증이 네트워크의 실행 용량을 다시 순환시키는 역할까지 하는 것임.

🔗스토리텔러 공지 l 웹사이트 l 트위터 l 링크트리 l 스토리텔러 대시보드

#DAPPOS #TaskValue #ServiceProvider #ExecutionCapacity #OMS #스토리텔러

DAPPOS, Optimistic Challenge 흐름 전체 정리 10/10

이번 흐름을 연결하면 DAPPOS의 Intent Execution 검증 방식이 조금 더 명확해짐.

Intent Deal
↓
Service Provider Execution
↓
Completion Report
↓
Validator Verification
↓
문제 발견 시 Challenge
↓
DPoS Voting
↓
Consensus
↓
성공이면 Settlement
또는
실패면 Compensation

그리고 잘못된 Challenge에도 패널티가 존재함.

여기서 중요한 건 Service Provider를 무조건 믿는 것도 아니고, 모든 작업을 네트워크가 처음부터 직접 수행하는 것도 아니라는 점임.

실행은 외부 참여자에게 맡기되 결과에 반박할 수 있는 검증 경로와 경제적 책임을 붙이는 것.

이 방식 덕분에 Service Provider는 다양한 방법으로 Intent를 실행할 수 있으면서도, 실패 여부에 대한 책임 구조는 유지할 수 있음.

DAPPOS의 OM
S를 단순한 담보 시스템보다 Execution Freedom과 Verifiable Outcome을 연결하는 프로토콜 설계로 봐야 하는 이유임.

🔗스토리텔러 공지 l 웹사이트 l 트위터 l 링크트리 l 스토리텔러 대시보드

#DAPPOS #OMS #ChallengeMechanism #IntentExecution #ExecutionLayer #스토리텔러

DAPPOS, 자율성과 통제 사이에 Interrupt를 넣는 이유 1/10

AI Agent가 발전하면 자연스럽게 “사람이 개입하지 않아도 알아서 끝까지 해주는 것”을 떠올리게 됨.

그런데 Web3에서는 분석 결과 하나가 실제 자산 이동이나 온체인 실행으로 이어질 수 있음. 이런 상황에서 처음부터 끝까지 AI에게 무조건 맡기는 것만이 좋은 설계라고 보기는 어려움.

DAPPOS의 MAF는 그래서 AI Interrupt와 Human-in-the-Loop 구조를 포함합니다. 내부 Controller가 작업을 진행하면서 필요한 지점에서는 AI 흐름을 멈추거나 사용자 확인을 받을 수 있도록 설계돼 있습니다. 공식 기술 자료는 이를 자율적인 AI 판단에 자유를 주면서도 오류를 줄이는 safety rail로 설명합니다.

즉 목표는

완전 자동화

하나가 아니라

자동화할 곳은 자동화하고, 중요한 순간에는 사람이 다시 개입할 수 있게 만드는 것

AI Agent가 실제 업무와 자산을 다룰수록 이런 경계 설계가 더 중요해질 수 있음

🔗스토리텔러 공지 l 웹사이트 l 트위터 l 링크트리 l 스토리텔러 대시보드
#DAPPOS #MAF #HumanInTheLoop #AIInterrupt #Web3AIOS #스토리텔러

DAPPOS, UI Interrupt를 별도 기능이 아니라 구조로 다루는 방식 2/10

AI가 이미 작업을 끝낸 다음 사람이 결과만 확인하는 것과, 작업 도중 필요한 순간에 사람이 개입하는 것은 완전히 다름.

DAPPOS의 MAF 기반 상태 구조에는 Agent 간 메시지나 계획뿐 아니라 UI Interrupt, Error, Conditional Flag 같은 변수도 포함​됩니다.

즉 사용자 개입이 예상 밖의 예외 상황으로만 취급되는 게 아니라, 처음부터 작업 흐름 안에서 다룰 수 있는 상태 중 하나로 설계된 것임.

예를 들어 AI가 어떤 단계에서 사용자 승인이 필요하다고 판단하면,

작업 상태 저장
→ UI Interrupt
→ 사용자 확인
→ 이후 작업 재개

같은 흐름을 만들 수 있음.

Human-in-the-Loop를 AI 바깥에 붙인 확인창이 아니라 Agent workflow의 일부로 보는 것이 기술적으로 중요한 포인트임.

🔗스토리텔러 공지 l 웹사이트 l 트위터 l 링크트리 l 스토리텔러 대시보드

#DAPPOS #UIInterrupt #HumanInTheLoop #MAF #AIWorkflow #스토리텔러

DAPPOS, Confidence Gate를 통과할 때까지 다시 조사하는 구조 3/10

AI 검색에서 흔한 문제는 자료가 부족한데도 일단 그럴듯한 답을 만들어내는 것임.

DAPPOS의 Search Subgraph에는 검색 결과를 합친 뒤 relevance를 필터링하고, 다시 Enhanced Review Loop를 거치는 과정이 있습니다.

공식 백서에서는 enhanced_search_review_node가 source diversity나 accuracy score 같은 confidence criteria가 충족됐는지 검사하고, 충분하지 않으면 검색 과정을 다시 반복하는 구조를 설명합니다.

즉

검색 완료
≠
조사 완료

임.

검색
→ 결과 병합
→ 필터링
→ Confidence 검사
→ 부족하면 다시 검색 이 되는 것.

AI가 스스로 “자료를 찾았다”와 “이제 답해도 충분하다”를 구분하도록 만드는 일종의 Quality Gate임.

🔗스토리텔러 공지 l 웹사이트 l 트위터 l 링크트리 l 스토리텔러 대시보드

#DAPPOS #ConfidenceGate #AgenticSearch #MAF #AIEvaluation #스토리텔러