Token Engineering Commons 2024 Bahar Hibe Projesi Tanıtımı
Bu yazıda 2024 bahar döneminde Token Engineering Commons (TEC) tarafından finanse edilen yenilikçi bir projeden bahsedilecektir. Bu proje, token ekosistemindeki bonding curve mekanizmasını optimize etmek için pekiştirmeli öğrenme ve ajan tabanlı modelleme ile simülasyon tekniklerini kullanmayı hedeflemektedir.
Proje Arka Planı
bonding curve, bir token ekosisteminin önemli bir bileşeni olarak, token fiyat dalgalanmalarını kontrol etmede, likidite sağlamada ve token arzını dinamik hale getirmede kritik bir rol oynamaktadır. Token ekosistemindeki birçok öğenin ilişkilerini matematiksel olarak tanımlayarak, bonding curve token ekosisteminin "mühendislik kontrolü" için yeni olasılıklar açmaktadır.
2018 yılında, bir ekip mekanizma optimizasyonu için AI-agent kullanma fikrini ortaya koydu. Makine öğrenimi ajanlarının davranışlarını gözlemleyerek, sistem dağıtıldıktan sonra ortaya çıkabilecek kullanıcı davranışlarını tanımlamayı ve gerçek davranış ile beklenen davranış arasındaki farkları karşılaştırarak mekanizma tasarımını optimize etmeyi önerdiler. Ancak bu fikir henüz yaygın bir şekilde uygulanmamıştır.
2023'ten itibaren, Bonding Curve Research Group (BCRG), bonding curve üzerinde kapsamlı bir araştırma yapmıştır, özellikle PAMM (Primary Automated Market Maker) ve SAMM (Secondary Automated Market Maker) üzerine ortak araştırmalarda. Ancak, kaynak sınırlamaları nedeniyle, BCRG kötü niyetli stratejiler, sızma testleri gibi daha derinlemesine araştırmalara henüz girmemiştir.
Proje Özeti
Bu projenin amacı, güçlendirilmiş öğrenme ile eğitilmiş bir AI ajansı aracılığıyla farklı PAMM ve SAMM bonding curve kombinasyonları altında potansiyel saldırganların kötü niyetli stratejilerini keşfetmektir. Karşılaştırmalı analiz ve davranış alanı keşfi ile proje ekibi, protokolün mekanizma tasarımını optimize etmek için nispeten stabil ve kaliteli bonding curve parametre kombinasyonlarını arayacaktır; bu, beklenen davranış ile gerçek davranış arasındaki farkı azaltmayı ve token ekosisteminin ekonomik güvenlik risklerini azaltmayı amaçlamaktadır.
Özellikle, proje dört yaygın PAMM bonding curve türünü (Lineer, Üstel, Güç ve Sigmoid) ve iki yaygın SAMM bonding curve türünü (sabit çarpan ve karışık tür) seçecek ve 8 kombinasyon planı oluşturacaktır. Proje ekibi, deneyler yapmak için agent-based modeling and simulation yöntemini kullanacak, AI-agent'ı kullanarak her bir planın potansiyel kötü niyetli strateji kümesini ve bunların gerçekleşme olasılıklarını keşfedecek ve simülasyon sonuçlarını kullanarak kötü niyetli stratejilerin sisteme olan etkisini gösterecek, böylece bilimsel kötü niyetli saldırı yanıt stratejileri ve bonding curve mekanizmasının optimizasyon planlarını keşfedecektir.
Proje Yenilik Noktaları
Token Mühendisliğine güçlendirilmiş öğrenmeyi entegre ederek, AI-agent ve ajan tabanlı modelleme ve simülasyona dayalı protokol mekanizması optimizasyon yöntemleri oluşturun.
Bu yöntem evrensel, uygulanabilir ve yeniden kullanılabilir özelliklere sahip olup, tüm token ekosisteminin ekonomik güvenliği üzerinde olumlu bir etki yaratması beklenmektedir.
Gelişmiş modelleme simülasyon platformlarından faydalanarak, modellerin anlaşılmasını, kullanılmasını ve doğrulanmasını kolaylaştırın.
Proje Hedefi
Kısa vadeli hedef:
Farklı bonding curve kombinasyonları altında potansiyel kötü niyetli stratejileri keşfetmek için AI-agent kullanarak riskleri tanımlamak ve yanıt stratejileri ile mekanizma optimizasyon çözümlerini araştırmak.
Bonding curve araştırmaları için bilimsel ve titiz bir metodoloji sağlamak.
Bonding curve açısından token ekosisteminin ekonomik güvenliğini artırmak için öneriler sunmak.
Uzun vadeli hedef:
AI tabanlı modelleme ve simülasyon yöntemleri ve Token Mühendisliği ile birleşen tanıtım yoluyla daha fazla insanın Token Mühendisi olmasını sağlamak, merkeziyetsiz, kırılganlığa karşı dayanıklı ve sürdürülebilir bir token ekosisteminin temellerini atmak ve Token Mühendisliği teorisi ve pratiğinin gelişimini teşvik etmek.
Beklenen Sonuçlar
AI-agent'in dahil olduğu bir token ekonomi zinciri simülasyon modeli, 8 tür PAMM ve SAMM kombinasyonunu içeren deney planları içerir. Model tamamen şeffaf, anlaşılması, kullanılması ve doğrulanması kolay olacaktır.
AI-agent keşfine dayalı bir araştırma raporu, farklı bonding curve kombinasyonları altında potansiyel kötü niyetli saldırı stratejilerini, modelleme sürecini, deney içeriğini, güvenlik açıklarını ve optimizasyon çözümlerini detaylı bir şekilde açıklamaktadır.
Proje Değeri
Kolaylık: Model kamu malı olarak açılacak, herkes erişebilir ve test edebilir.
Eğitim Değeri: Ayrıntılı modeller ve simülasyon öğreticileri aracılığıyla, halkın bonding curve'ün çalışma prensiplerini ve token ekosistemindeki rolünü derinlemesine anlamalarına yardımcı olmak.
Şeffaflık: Görselleştirme araçlarıyla modelleme mekanizmasını ve deney sürecini şeffaf hale getirerek halkın model mekanizmasını ve potansiyel riskleri anlamasını sağlamak.
Toplum Odaklı: Toplum üyeleri bu model temelinde çeşitli deneyler yapabilir ve araştırma sonuçlarını kamuya açık hale getirerek topluluk odaklı öz düzenlemeyi gerçekleştirebilir.
Token Mühendisliği prensipleriyle uyumlu: Bu yöntem ve araçların yaygınlaştırılması yoluyla daha fazla insanın token mühendisliğine katılmasını sağlamak ve daha dayanıklı, sürdürülebilir bir token ekosistemi inşa etmek.
This page may contain third-party content, which is provided for information purposes only (not representations/warranties) and should not be considered as an endorsement of its views by Gate, nor as financial or professional advice. See Disclaimer for details.
AI destekli Token Mühendisliği: TEC finansman projeleri Bonding Curve optimizasyonuna odaklanıyor
Token Engineering Commons 2024 Bahar Hibe Projesi Tanıtımı
Bu yazıda 2024 bahar döneminde Token Engineering Commons (TEC) tarafından finanse edilen yenilikçi bir projeden bahsedilecektir. Bu proje, token ekosistemindeki bonding curve mekanizmasını optimize etmek için pekiştirmeli öğrenme ve ajan tabanlı modelleme ile simülasyon tekniklerini kullanmayı hedeflemektedir.
Proje Arka Planı
bonding curve, bir token ekosisteminin önemli bir bileşeni olarak, token fiyat dalgalanmalarını kontrol etmede, likidite sağlamada ve token arzını dinamik hale getirmede kritik bir rol oynamaktadır. Token ekosistemindeki birçok öğenin ilişkilerini matematiksel olarak tanımlayarak, bonding curve token ekosisteminin "mühendislik kontrolü" için yeni olasılıklar açmaktadır.
2018 yılında, bir ekip mekanizma optimizasyonu için AI-agent kullanma fikrini ortaya koydu. Makine öğrenimi ajanlarının davranışlarını gözlemleyerek, sistem dağıtıldıktan sonra ortaya çıkabilecek kullanıcı davranışlarını tanımlamayı ve gerçek davranış ile beklenen davranış arasındaki farkları karşılaştırarak mekanizma tasarımını optimize etmeyi önerdiler. Ancak bu fikir henüz yaygın bir şekilde uygulanmamıştır.
2023'ten itibaren, Bonding Curve Research Group (BCRG), bonding curve üzerinde kapsamlı bir araştırma yapmıştır, özellikle PAMM (Primary Automated Market Maker) ve SAMM (Secondary Automated Market Maker) üzerine ortak araştırmalarda. Ancak, kaynak sınırlamaları nedeniyle, BCRG kötü niyetli stratejiler, sızma testleri gibi daha derinlemesine araştırmalara henüz girmemiştir.
Proje Özeti
Bu projenin amacı, güçlendirilmiş öğrenme ile eğitilmiş bir AI ajansı aracılığıyla farklı PAMM ve SAMM bonding curve kombinasyonları altında potansiyel saldırganların kötü niyetli stratejilerini keşfetmektir. Karşılaştırmalı analiz ve davranış alanı keşfi ile proje ekibi, protokolün mekanizma tasarımını optimize etmek için nispeten stabil ve kaliteli bonding curve parametre kombinasyonlarını arayacaktır; bu, beklenen davranış ile gerçek davranış arasındaki farkı azaltmayı ve token ekosisteminin ekonomik güvenlik risklerini azaltmayı amaçlamaktadır.
Özellikle, proje dört yaygın PAMM bonding curve türünü (Lineer, Üstel, Güç ve Sigmoid) ve iki yaygın SAMM bonding curve türünü (sabit çarpan ve karışık tür) seçecek ve 8 kombinasyon planı oluşturacaktır. Proje ekibi, deneyler yapmak için agent-based modeling and simulation yöntemini kullanacak, AI-agent'ı kullanarak her bir planın potansiyel kötü niyetli strateji kümesini ve bunların gerçekleşme olasılıklarını keşfedecek ve simülasyon sonuçlarını kullanarak kötü niyetli stratejilerin sisteme olan etkisini gösterecek, böylece bilimsel kötü niyetli saldırı yanıt stratejileri ve bonding curve mekanizmasının optimizasyon planlarını keşfedecektir.
Proje Yenilik Noktaları
Token Mühendisliğine güçlendirilmiş öğrenmeyi entegre ederek, AI-agent ve ajan tabanlı modelleme ve simülasyona dayalı protokol mekanizması optimizasyon yöntemleri oluşturun.
Bu yöntem evrensel, uygulanabilir ve yeniden kullanılabilir özelliklere sahip olup, tüm token ekosisteminin ekonomik güvenliği üzerinde olumlu bir etki yaratması beklenmektedir.
Gelişmiş modelleme simülasyon platformlarından faydalanarak, modellerin anlaşılmasını, kullanılmasını ve doğrulanmasını kolaylaştırın.
Proje Hedefi
Kısa vadeli hedef:
Uzun vadeli hedef: AI tabanlı modelleme ve simülasyon yöntemleri ve Token Mühendisliği ile birleşen tanıtım yoluyla daha fazla insanın Token Mühendisi olmasını sağlamak, merkeziyetsiz, kırılganlığa karşı dayanıklı ve sürdürülebilir bir token ekosisteminin temellerini atmak ve Token Mühendisliği teorisi ve pratiğinin gelişimini teşvik etmek.
Beklenen Sonuçlar
AI-agent'in dahil olduğu bir token ekonomi zinciri simülasyon modeli, 8 tür PAMM ve SAMM kombinasyonunu içeren deney planları içerir. Model tamamen şeffaf, anlaşılması, kullanılması ve doğrulanması kolay olacaktır.
AI-agent keşfine dayalı bir araştırma raporu, farklı bonding curve kombinasyonları altında potansiyel kötü niyetli saldırı stratejilerini, modelleme sürecini, deney içeriğini, güvenlik açıklarını ve optimizasyon çözümlerini detaylı bir şekilde açıklamaktadır.
Proje Değeri
Kolaylık: Model kamu malı olarak açılacak, herkes erişebilir ve test edebilir.
Eğitim Değeri: Ayrıntılı modeller ve simülasyon öğreticileri aracılığıyla, halkın bonding curve'ün çalışma prensiplerini ve token ekosistemindeki rolünü derinlemesine anlamalarına yardımcı olmak.
Şeffaflık: Görselleştirme araçlarıyla modelleme mekanizmasını ve deney sürecini şeffaf hale getirerek halkın model mekanizmasını ve potansiyel riskleri anlamasını sağlamak.
Toplum Odaklı: Toplum üyeleri bu model temelinde çeşitli deneyler yapabilir ve araştırma sonuçlarını kamuya açık hale getirerek topluluk odaklı öz düzenlemeyi gerçekleştirebilir.
Token Mühendisliği prensipleriyle uyumlu: Bu yöntem ve araçların yaygınlaştırılması yoluyla daha fazla insanın token mühendisliğine katılmasını sağlamak ve daha dayanıklı, sürdürülebilir bir token ekosistemi inşa etmek.