Elaine, Jereyme｜Autor

Sissi@TEDAO｜Traductora

Introducción del traductor:

Esta traducción presentará propuestas innovadoras que recibieron financiación de Token Engineering Commons ("TEC") en la primavera de 2024. TEC es una de las comunidades importantes del mundo que apoya y promueve Token Engineering. Está comprometida a crear y mantener un ecosistema sostenible y brindar soporte y plataforma de colaboración para los miembros de la comunidad a través de su foro y otros recursos.

Este proyecto utiliza aprendizaje por refuerzo y tecnología de simulación y modelado basado en agentes para optimizar el mecanismo de la curva de vinculación en el ecosistema de tokens. Al explorar y responder a posibles estrategias maliciosas bajo diferentes combinaciones de curvas de vinculación PAMM y SAMM, el proyecto tiene como objetivo mejorar significativamente la seguridad económica del sistema de tokens. Además, el proyecto también se compromete a promover la popularización y práctica de la ingeniería de tokens para que más personas puedan comprender y participar en esta tecnología de vanguardia, allanando el camino para construir un ecosistema de tokens más seguro y sostenible.

1. Detalles de la propuesta

1.1 Descripción general de los antecedentes

La curva de bonos es una parte integral del ecosistema de tokens. Desempeña un papel clave en el control de las fluctuaciones de los precios de los tokens, proporcionando la liquidez necesaria y dinamizando el suministro de tokens. Al matematizar la relación entre múltiples elementos en un ecosistema simbólico, la curva de vinculación también abre la puerta al "control de ingeniería" del ecosistema simbólico.

Ya en 2018, el equipo de IncentiveAI propuso el concepto de utilizar agentes de IA para la optimización de mecanismos. Al observar el comportamiento de los codiciosos agentes de aprendizaje automático, podemos identificar posibles comportamientos del usuario después de implementar el sistema en un entorno real y comparar comportamientos reales. con los comportamientos esperados. Las diferencias entre ellos se utilizan para optimizar continuamente el diseño del mecanismo. También aplicaron este concepto a la investigación de la curva de enlace del protocolo Ocean. Desafortunadamente, el proyecto finalmente no se implementó a gran escala y no se puede encontrar ningún código del proyecto como referencia u operación.

Desde 2023, BCRG (Bonding Curve Research Group) ha llevado a cabo investigaciones, desarrollo, educación y aplicaciones relativamente exhaustivas de la curva de vinculación, especialmente en la curva de vinculación conjunta de PAMM (Primary Automated Market Maker) y SAMM (Secondary Automated Market Maker). Sin embargo, según la descripción del BCRG en Modelado y simulación de curvas de enlace, tal vez debido a limitaciones de recursos, aún no ha iniciado una investigación más profunda, como la exploración de estrategias maliciosas, pruebas de penetración y análisis de hipótesis.

Nuestro equipo se ha centrado durante mucho tiempo en explorar el campo de la ingeniería de tokens y está comprometido a utilizar el modelado y la simulación basados ​​en agentes para resolver problemas de diseño y optimización de sistemas complejos.

1.2 Introducción al proyecto

En esta propuesta, nuestro objetivo es heredar el concepto de IA de incentivo y utilizar el agente de IA entrenado mediante aprendizaje por refuerzo para explorar las estrategias maliciosas de atacantes potenciales bajo diferentes combinaciones de curvas de vinculación PAMM y SAMM, y mediante análisis comparativos adicionales y exploración del espacio de comportamiento. , buscando una combinación de parámetros de curva de vinculación relativamente estable y de alta calidad, para optimizar continuamente el diseño del mecanismo del protocolo, reducir la brecha entre el comportamiento esperado y el comportamiento real y reducir el riesgo de seguridad económica del ecosistema de tokens.

Específicamente, para la selección de la curva de enlace PAMM, seleccionamos los cuatro tipos más comunes: lineal, exponencial, de potencia y sigmoide; para la selección de la curva de enlace SAMM, seleccionamos el producto constante más común (por ejemplo, Uniswap) y los tipos híbridos (por ejemplo, Uniswap). Curve) dos tipos, lo que da como resultado 8 combinaciones de PAMM y SAMM. Usaremos métodos de simulación y modelado basados ​​en agentes para realizar experimentos, usaremos agentes de IA para explorar el conjunto de posibles estrategias maliciosas para cada esquema y la probabilidad de que ocurran, y usaremos los resultados de la simulación para mostrar visualmente las consecuencias de las estrategias maliciosas en el sistema, para que sea posible explorar estrategias de respuesta a ataques maliciosos relativamente científicas y soluciones de optimización del mecanismo de curva de vinculación a través de experimentos.

Al mismo tiempo, hemos solicitado el patrocinio de la cuenta premium de Holobit y utilizaremos esta plataforma avanzada de modelado y simulación para que los detalles de construcción de nuestro modelo y todo el proceso experimental sean completamente transparentes.

  • Posibles innovaciones

I. Introducir el aprendizaje por refuerzo en Token Engineering para formar un conjunto de métodos de optimización de mecanismos de protocolo basados ​​en agentes de IA y modelado y simulación basados ​​en agentes;

II. Este método es universal, implementable y reutilizable, y puede ser útil para la seguridad económica de todo el ecosistema de tokens;

III. Gracias a la poderosa herramienta Holobit, este modelo puede ser comprendido, utilizado y verificable por el público.

  • Objetivos a corto plazo del proyecto‍

I. Utilizar un agente de IA para explorar posibles estrategias maliciosas bajo diferentes combinaciones de curvas de vinculación PAMM y SAMM, identificar posibles riesgos bajo varias combinaciones de mecanismos y explorar las correspondientes estrategias de respuesta a riesgos y soluciones de optimización de mecanismos;

II. Proporcionar un método de investigación relativamente científico y riguroso para el desarrollo de la curva de vinculación;

III. Con base en los resultados experimentales, se presentan varias sugerencias para mejorar la seguridad económica del ecosistema de tokens desde la perspectiva de la curva de vinculación.

  • Objetivos a largo plazo del proyecto‍

Al combinar la popularización de los métodos de simulación y modelado basados ​​en agentes de IA con la promoción de la ingeniería de tokens, es posible que todos se conviertan en ingenieros de tokens, construyendo así un sistema descentralizado más antifrágil y sostenible de una manera impulsada por la comunidad. Ecosystem" sienta una base sólida para promover aún más la ingeniería de tokens y acelerar su desarrollo tanto a nivel teórico como práctico.

2. Resultados esperados

Al utilizar herramientas Holobit para el modelado basado en agentes, se espera obtener los siguientes resultados:

  • Un modelo de simulación fuera de la cadena de la economía de tokens que introduce un agente de IA, incluidos 8 planes experimentales para combinaciones PAMM y SAMM. Al mismo tiempo, el modelo es completamente transparente y todos pueden leerlo, utilizarlo y verificarlo;

  • Un informe de investigación sobre posibles estrategias de ataque malicioso basadas en diferentes combinaciones de curvas de enlace PAMM y SAMM exploradas por un agente de IA (incluido el proceso de modelado, el contenido experimental, los riesgos de vulnerabilidad y las soluciones de optimización).

3. Alineación de misión y valores

  • Conveniente: Holobit admite el intercambio público y la lógica de modelado es simple, logra visualización e intuición y garantiza que todos puedan leerlo, usarlo y verificarlo. Por lo tanto, este modelo puede abrirse como un bien público y todos pueden acceder y probarlo, como es el caso del ecosistema Terra/LUNA que se ha dado.

  • Educación: a través de tutoriales detallados de modelos y simulación, el proyecto puede ayudar al público a comprender en profundidad el principio de funcionamiento de la curva de vinculación y su papel clave en el ecosistema de tokens. A través del modelado y la simulación basados ​​en agentes, el proyecto puede mostrar al público cómo analizar y proceso Relaciones dinámicas y riesgos potenciales en sistemas complejos. Esta habilidad es ampliamente aplicable y también es una habilidad clave para estudiar ingeniería de tokens. Si este conjunto de metodologías y herramientas se puede popularizar en la comunidad a través de este modelo, puede promover aún más la popularización, el desarrollo y la aplicación práctica de la ingeniería de tokens.

  • Transparencia: solo cuando el público pueda entenderlo podrá ser verdaderamente transparente. Este modelo no implica código. El mecanismo de modelado y el proceso experimental se visualizan a través de la herramienta Holobit. A través del modelado y experimentos, no solo se hace transparente el mecanismo del modelo, sino que también se hacen transparentes los riesgos del diseño del mecanismo y se dan sugerencias de reparación específicas.

  • Impulsado por la comunidad: la comunidad puede bifurcar este modelo para realizar varios experimentos, no solo limitados a la curva de vinculación, sino también utilizados para investigaciones sobre gobernanza, crecimiento, etc. Más importante aún, este conjunto de metodologías y herramientas también se puede reutilizar en otros protocolos. Todos pueden divulgar los resultados de su investigación en la comunidad, revelar las lagunas y áreas de optimización de un determinado ecosistema de tokens y lograr verdaderamente la autorregulación impulsada por la comunidad.

  • Alineado con los principios de Token Engineering: después de dominar este conjunto de métodos y herramientas, todos pueden realizar auditorías de seguridad económica del protocolo basadas en estas habilidades. Por lo tanto, es posible "completar el proyecto de tokens de manera descentralizada" y podemos aunar el poder de la sabiduría colectiva para construir un ecosistema de tokens más antifrágil y sostenible.