签到与任务追踪：专属面板展示用户签到记录、交易行为和贡献进度。
这些数据能帮助系统判断哪些地址属于同一用户，是否存在协同操作，提升 AI 对交易类型和风险的识别能力。
“怎么看一笔交易是否含有恶意订单流（toxic flow）？“在 Swapr 的核心引擎中，每笔交易在确认前都会经过 AI 模型评估风险，主要参考以下几点：
-
交易本身：买卖方向、币种路径、Gas、手续费、滑点等；
-
地址历史：交易频率、过往行为、资产变化情况；
-
市场反应：交易后 1 秒到 24 小时内的价格走势；
-
收益判断：这笔交易在不同时间段是否赚钱，是否可能伤害 LP。
模型会识别每笔交易是否属于“恶意订单流 (toxic flow)”，例如套利或夹击等基于信息优势的交易行为，判断其对系统公平性的潜在威胁。
“模型不是越复杂越好，而是越懂交易才有价值。”从规则引擎到 AI 神经网络：aPriori 并未拘泥于单一算法，而是融合了传统模型（XGBoost、LightGBM）与时序模型（RNN、Transformer）。前者处理结构化数据高效可解释，后者善于捕捉时间序列中的行为变化。
Swapr 最终采用的是模型集成（Ensemble）架构，不同子模型在各自的数据维度与时间窗口中学习，融合得分后能更精准地应对复杂交易行为。
“一笔交易的背后，谁在合谋套利？”套利行为通常不是单个钱包完成的，而是多个地址协同操作的结果。通过识别这些“行为组”，系统可以预判潜在套利团体，防止“恶意订单流 (toxic flow)”集中冲击 LP。
“让 AI 成为交易执行的一部分”随着训练数据的丰富，Swapr 的识别系统正成为 DeFi 路由中的核心差异点。它不仅能带来更优报价，更能动态调整流动性方向，保护用户与 LP 双方利益。
创始人Ray强调：“真正的 DeFi 执行引擎看得懂、能判断，还知道怎么保护系统。我们希望Swapr是第一个能‘思考’的交易入口。”