Introduction au programme de subventions de printemps 2024 de Token Engineering Commons
Cet article présentera un projet innovant qui a obtenu un financement du Token Engineering Commons (TEC) au printemps 2024. Ce projet vise à utiliser l'apprentissage par renforcement et des techniques de modélisation et de simulation basées sur des agents pour optimiser le mécanisme de courbe de liaison dans l'écosystème des tokens.
Contexte du projet
La courbe de liaison, en tant qu'élément important de l'écosystème des jetons, joue un rôle clé dans le contrôle des fluctuations des prix des jetons, la fourniture de liquidité et la dynamisation de l'offre de jetons. En mathématisant les relations entre plusieurs éléments de l'écosystème des jetons, la courbe de liaison ouvre de nouvelles possibilités pour le "contrôle d'ingénierie" de l'écosystème des jetons.
Dès 2018, des équipes ont proposé l'idée d'utiliser des agents AI pour l'optimisation des mécanismes, en observant le comportement des agents d'apprentissage automatique afin d'identifier les comportements des utilisateurs qui pourraient survenir après le déploiement du système, et en optimisant la conception des mécanismes en comparant les comportements réels et les comportements attendus. Cependant, cette idée n'a pas encore été largement appliquée.
Depuis 2023, le Bonding Curve Research Group (BCRG) a mené une étude approfondie sur les courbes de liaison, en particulier sur la recherche conjointe entre PAMM (Primary Automated Market Maker) et SAMM (Secondary Automated Market Maker). Cependant, en raison de limitations de ressources, le BCRG n'a pas encore exploré des recherches plus approfondies sur les stratégies malveillantes, les tests d'intrusion, etc.
Aperçu du projet
Ce projet vise à explorer les stratégies malveillantes des attaquants potentiels sous différentes combinaisons de courbes de liaison PAMM et SAMM à l'aide d'un agent IA formé par apprentissage par renforcement. Grâce à une analyse comparative et à l'exploration de l'espace de comportement, l'équipe du projet cherchera des combinaisons de paramètres de courbe de liaison relativement stables et de haute qualité, afin d'optimiser la conception des mécanismes du protocole, de réduire l'écart entre le comportement attendu et le comportement réel, et de diminuer les risques économiques de sécurité de l'écosystème des tokens.
Concrètement, le projet sélectionnera quatre types courants de courbes de liaison PAMM (linéaire, exponentielle, puissance et sigmoïde) ainsi que deux types courants de courbes de liaison SAMM (produit constant et hybride), formant 8 combinaisons. L'équipe du projet utilisera des méthodes de modélisation et de simulation basées sur des agents pour mener des expériences, en utilisant un agent IA pour explorer l'ensemble des stratégies malveillantes potentielles de chaque scénario et leur probabilité d'occurrence, et en montrant à travers les résultats de simulation l'impact des stratégies malveillantes sur le système, permettant ainsi d'explorer des stratégies de réponse aux attaques malveillantes et des solutions d'optimisation des mécanismes de courbe de liaison.
Points d'innovation du projet
Introduire l'apprentissage par renforcement dans l'ingénierie des tokens, formant une méthode d'optimisation des mécanismes de protocole basée sur des agents AI et la modélisation et simulation basées sur des agents.
Cette méthode présente une universalité, une applicabilité et une réutilisabilité, et devrait avoir un impact positif sur la sécurité économique de l'ensemble de l'écosystème des tokens.
Grâce à une plateforme de modélisation et de simulation avancée, les modèles sont faciles à comprendre, à utiliser et à vérifier.
Objectif du projet
Objectif à court terme :
Utiliser un agent IA pour explorer les stratégies malveillantes potentielles sous différentes combinaisons de courbes de liaison, identifier les risques et explorer les stratégies de réponse ainsi que les solutions d'optimisation des mécanismes.
Fournir une méthodologie scientifique rigoureuse pour l'étude de la courbe de liaison.
Proposer des suggestions pour améliorer la sécurité économique de l'écosystème des tokens du point de vue de la courbe de liaison.
Objectif à long terme :
En combinant la promotion des méthodes de modélisation et de simulation basées sur des agents avec l'IA et l'ingénierie des tokens, permettre à un plus grand nombre de personnes de devenir ingénieurs en tokens, établir les bases de la construction d'écosystèmes de tokens décentralisés, antifragiles et durables, et promouvoir le développement de la théorie et de la pratique de l'ingénierie des tokens.
Résultats attendus
Un modèle de simulation de chaîne économique de jetons introduisant un agent IA, comprenant 8 plans expérimentaux de combinaisons PAMM et SAMM. Le modèle sera entièrement transparent, facile à comprendre, à utiliser et à vérifier.
Un rapport de recherche basé sur l'exploration des agents IA, décrivant en détail les stratégies d'attaque malveillantes potentielles sous différentes combinaisons de courbes de bonding, y compris le processus de modélisation, le contenu expérimental, les risques de vulnérabilité et les solutions d'optimisation.
Valeur du projet
Commodité : Le modèle sera ouvert en tant que bien public, accessible à tous pour consultation et test.
Valeur éducative : À travers des tutoriels détaillés sur les modèles et les simulations, aider le grand public à comprendre en profondeur le fonctionnement des courbes de liaison et leur rôle dans les écosystèmes de tokens.
Transparence : Rendre le mécanisme de modélisation et le processus expérimental transparents grâce à des outils de visualisation, permettant au public de comprendre le mécanisme du modèle et les risques potentiels.
Communauté dirigée : Les membres de la communauté peuvent mener diverses expériences sur la base de ce modèle et rendre les résultats de recherche publics, réalisant ainsi une auto-régulation dirigée par la communauté.
Aligner avec les principes de l'ingénierie des jetons : en rendant cette méthode et ces outils accessibles, permettre à un plus grand nombre de personnes de participer à l'ingénierie des jetons et de construire ensemble un écosystème de jetons plus résilient et durable.
Cette page peut inclure du contenu de tiers fourni à des fins d'information uniquement. Gate ne garantit ni l'exactitude ni la validité de ces contenus, n’endosse pas les opinions exprimées, et ne fournit aucun conseil financier ou professionnel à travers ces informations. Voir la section Avertissement pour plus de détails.
12 J'aime
Récompense
12
6
Partager
Commentaire
0/400
pumpamentalist
· Il y a 20h
Une excellente tentative de parcours
Voir l'originalRépondre0
TokenToaster
· Il y a 20h
La courbe est très intéressante.
Voir l'originalRépondre0
SmartContractRebel
· Il y a 20h
La courbe doit être jouée de manière spectaculaire.
Voir l'originalRépondre0
ArbitrageBot
· Il y a 20h
piège c'est tout.
Voir l'originalRépondre0
BlockchainWorker
· Il y a 21h
Il vaut la peine de suivre et d'étudier à long terme.
Ingénierie des tokens alimentée par l'IA : Les projets financés par le TEC se concentrent sur l'optimisation des courbes de liaison.
Introduction au programme de subventions de printemps 2024 de Token Engineering Commons
Cet article présentera un projet innovant qui a obtenu un financement du Token Engineering Commons (TEC) au printemps 2024. Ce projet vise à utiliser l'apprentissage par renforcement et des techniques de modélisation et de simulation basées sur des agents pour optimiser le mécanisme de courbe de liaison dans l'écosystème des tokens.
Contexte du projet
La courbe de liaison, en tant qu'élément important de l'écosystème des jetons, joue un rôle clé dans le contrôle des fluctuations des prix des jetons, la fourniture de liquidité et la dynamisation de l'offre de jetons. En mathématisant les relations entre plusieurs éléments de l'écosystème des jetons, la courbe de liaison ouvre de nouvelles possibilités pour le "contrôle d'ingénierie" de l'écosystème des jetons.
Dès 2018, des équipes ont proposé l'idée d'utiliser des agents AI pour l'optimisation des mécanismes, en observant le comportement des agents d'apprentissage automatique afin d'identifier les comportements des utilisateurs qui pourraient survenir après le déploiement du système, et en optimisant la conception des mécanismes en comparant les comportements réels et les comportements attendus. Cependant, cette idée n'a pas encore été largement appliquée.
Depuis 2023, le Bonding Curve Research Group (BCRG) a mené une étude approfondie sur les courbes de liaison, en particulier sur la recherche conjointe entre PAMM (Primary Automated Market Maker) et SAMM (Secondary Automated Market Maker). Cependant, en raison de limitations de ressources, le BCRG n'a pas encore exploré des recherches plus approfondies sur les stratégies malveillantes, les tests d'intrusion, etc.
Aperçu du projet
Ce projet vise à explorer les stratégies malveillantes des attaquants potentiels sous différentes combinaisons de courbes de liaison PAMM et SAMM à l'aide d'un agent IA formé par apprentissage par renforcement. Grâce à une analyse comparative et à l'exploration de l'espace de comportement, l'équipe du projet cherchera des combinaisons de paramètres de courbe de liaison relativement stables et de haute qualité, afin d'optimiser la conception des mécanismes du protocole, de réduire l'écart entre le comportement attendu et le comportement réel, et de diminuer les risques économiques de sécurité de l'écosystème des tokens.
Concrètement, le projet sélectionnera quatre types courants de courbes de liaison PAMM (linéaire, exponentielle, puissance et sigmoïde) ainsi que deux types courants de courbes de liaison SAMM (produit constant et hybride), formant 8 combinaisons. L'équipe du projet utilisera des méthodes de modélisation et de simulation basées sur des agents pour mener des expériences, en utilisant un agent IA pour explorer l'ensemble des stratégies malveillantes potentielles de chaque scénario et leur probabilité d'occurrence, et en montrant à travers les résultats de simulation l'impact des stratégies malveillantes sur le système, permettant ainsi d'explorer des stratégies de réponse aux attaques malveillantes et des solutions d'optimisation des mécanismes de courbe de liaison.
Points d'innovation du projet
Introduire l'apprentissage par renforcement dans l'ingénierie des tokens, formant une méthode d'optimisation des mécanismes de protocole basée sur des agents AI et la modélisation et simulation basées sur des agents.
Cette méthode présente une universalité, une applicabilité et une réutilisabilité, et devrait avoir un impact positif sur la sécurité économique de l'ensemble de l'écosystème des tokens.
Grâce à une plateforme de modélisation et de simulation avancée, les modèles sont faciles à comprendre, à utiliser et à vérifier.
Objectif du projet
Objectif à court terme :
Objectif à long terme : En combinant la promotion des méthodes de modélisation et de simulation basées sur des agents avec l'IA et l'ingénierie des tokens, permettre à un plus grand nombre de personnes de devenir ingénieurs en tokens, établir les bases de la construction d'écosystèmes de tokens décentralisés, antifragiles et durables, et promouvoir le développement de la théorie et de la pratique de l'ingénierie des tokens.
Résultats attendus
Un modèle de simulation de chaîne économique de jetons introduisant un agent IA, comprenant 8 plans expérimentaux de combinaisons PAMM et SAMM. Le modèle sera entièrement transparent, facile à comprendre, à utiliser et à vérifier.
Un rapport de recherche basé sur l'exploration des agents IA, décrivant en détail les stratégies d'attaque malveillantes potentielles sous différentes combinaisons de courbes de bonding, y compris le processus de modélisation, le contenu expérimental, les risques de vulnérabilité et les solutions d'optimisation.
Valeur du projet
Commodité : Le modèle sera ouvert en tant que bien public, accessible à tous pour consultation et test.
Valeur éducative : À travers des tutoriels détaillés sur les modèles et les simulations, aider le grand public à comprendre en profondeur le fonctionnement des courbes de liaison et leur rôle dans les écosystèmes de tokens.
Transparence : Rendre le mécanisme de modélisation et le processus expérimental transparents grâce à des outils de visualisation, permettant au public de comprendre le mécanisme du modèle et les risques potentiels.
Communauté dirigée : Les membres de la communauté peuvent mener diverses expériences sur la base de ce modèle et rendre les résultats de recherche publics, réalisant ainsi une auto-régulation dirigée par la communauté.
Aligner avec les principes de l'ingénierie des jetons : en rendant cette méthode et ces outils accessibles, permettre à un plus grand nombre de personnes de participer à l'ingénierie des jetons et de construire ensemble un écosystème de jetons plus résilient et durable.