Огляд весняної програми фінансування Token Engineering Commons 2024
Ця стаття представить інноваційний проект, який отримав фінансування від Token Engineering Commons (TEC) навесні 2024 року. Проект має на меті використовувати технології підкріпленого навчання та моделювання імітації на основі агентів для оптимізації механізму кривої зв’язку в токеній екосистемі.
Фон проекту
bonding curve як важлива складова токен-екосистеми відіграє ключову роль у контролі коливань цін токена, забезпеченні ліквідності, динамічному постачанні токенів тощо. Завдяки математизації взаємозв'язків кількох елементів у токен-екосистемі, bonding curve відкриває нові можливості для "інженерного контролю" токен-екосистеми.
Ще в 2018 році команда запропонувала ідею використання AI-агентів для оптимізації механізмів, спостерігаючи за поведінкою агентів машинного навчання для виявлення можливих поведінок користувачів після розгортання системи, а також оптимізуючи дизайн механізму шляхом порівняння реальної поведінки з очікуваною. Однак ця ідея ще не знайшла широкого застосування.
З 2023 року Група дослідження кривої облігацій (BCRG) провела всебічне дослідження кривої облігацій, особливо в спільному дослідженні PAMM (Первинний автоматизований маркет-мейкер) та SAMM (Вторинний автоматизований маркет-мейкер). Але через обмежені ресурси BCRG ще не поглибилася в дослідження зловмисних стратегій, тестування на проникнення та інші більш глибокі дослідження.
Огляд проекту
Цей проект має на меті дослідження злочинних стратегій потенційних нападників за допомогою AI-агента, навченного за допомогою посиленого навчання, в умовах різних комбінацій кривих зв'язку PAMM та SAMM. За допомогою порівняльного аналізу та дослідження простору поведінки команда проекту шукатиме відносно стабільні та якісні комбінації параметрів кривих зв'язку, щоб оптимізувати механізми дизайну протоколу, зменшити розрив між очікуваною та реальною поведінкою, а також знизити економічні ризики безпеки токенів.
Зокрема, проект вибере чотири популярні типи кривих зв'язування PAMM (лінійний, експоненціальний, степеневий і сигмоїдний) та два популярні типи кривих зв'язування SAMM (постійний добуток і змішаний), утворюючи 8 комбінацій. Команда проекту використовуватиме методи моделювання та симуляції на основі агентів для проведення експериментів, використовуючи AI-агент для дослідження набору потенційно злочинних стратегій для кожної схеми та ймовірності їх виникнення, а також демонструючи вплив злочинних стратегій на систему на основі результатів симуляцій, щоб розробити наукові стратегії реагування на злочинні напади та оптимізаційні рішення механізму кривої зв'язування.
Інноваційні аспекти проекту
Впровадження підкріплювального навчання в токенну інженерію для формування методів оптимізації механізму протоколу на основі AI-агентів та агентного моделювання і симуляції.
Цей метод має універсальність, можливість реалізації та повторного використання, що може позитивно вплинути на економічну безпеку всього токен-екосистеми.
Завдяки сучасній платформі моделювання та симуляції моделі стають зрозумілими, легкими у використанні та перевірці.
Ціль проекту
Короткострокова мета:
Використовуючи AI-агента, досліджувати потенційні зловмисні стратегії за різними комбінаціями bonding curve, виявляти ризики та досліджувати стратегії реагування та механізми оптимізації.
Надати науково обґрунтовану методологію для дослідження кривої зв'язку.
Запропонувати рекомендації щодо підвищення економічної безпеки екосистеми токенів з точки зору кривої зв'язування.
Довгострокова мета:
Завдяки просуванню методів моделювання та симуляції на основі агентів, що поєднують штучний інтелект, та інженерії токенів, більше людей можуть стати інженерами токенів, закладаючи основу для створення децентралізованих, антикрихких та стійких екосистем токенів, просуваючи розвиток теорії та практики інженерії токенів.
Очікувані результати
Модель симуляції токеноміки з впровадженням AI-агента, що включає 8 експериментальних схем комбінацій PAMM та SAMM. Модель буде повністю прозорою, легкою для розуміння, використання та перевірки.
Дослідна доповідь на основі дослідження AI-агента, яка детально описує потенційні шкідливі стратегії атак при різних комбінаціях bonding curve, включаючи процес моделювання, зміст експерименту, ризики вразливостей та плани оптимізації.
Цінність проекту
Зручність: Модель буде відкритою як громадський товар, доступною для всіх для доступу та тестування.
Освітня цінність: через детальні моделі та навчальні посібники з моделювання допомогти широкій аудиторії глибше зрозуміти принципи роботи кривої зв'язку та її роль в екосистемі токенів.
Прозорість: за допомогою візуалізаційних інструментів зробити механізм моделювання та експериментальний процес прозорими, щоб громадськість могла зрозуміти механізм моделі та потенційні ризики.
Спільнота, що керується: Члени спільноти можуть проводити різні експерименти на основі цієї моделі та публікувати результати досліджень, реалізуючи саморегулювання, яке керується спільнотою.
Узгодження з принципами токенінгу: поширюючи цей набір методів і інструментів, ми дозволяємо більшій кількості людей брати участь у токенінгу, спільно будуючи більш антикрихку та сталу екосистему токенів.
Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
AI-управлінні токен інженерії: проєкти TEC з фінансування зосереджені на оптимізації кривих облігацій.
Огляд весняної програми фінансування Token Engineering Commons 2024
Ця стаття представить інноваційний проект, який отримав фінансування від Token Engineering Commons (TEC) навесні 2024 року. Проект має на меті використовувати технології підкріпленого навчання та моделювання імітації на основі агентів для оптимізації механізму кривої зв’язку в токеній екосистемі.
Фон проекту
bonding curve як важлива складова токен-екосистеми відіграє ключову роль у контролі коливань цін токена, забезпеченні ліквідності, динамічному постачанні токенів тощо. Завдяки математизації взаємозв'язків кількох елементів у токен-екосистемі, bonding curve відкриває нові можливості для "інженерного контролю" токен-екосистеми.
Ще в 2018 році команда запропонувала ідею використання AI-агентів для оптимізації механізмів, спостерігаючи за поведінкою агентів машинного навчання для виявлення можливих поведінок користувачів після розгортання системи, а також оптимізуючи дизайн механізму шляхом порівняння реальної поведінки з очікуваною. Однак ця ідея ще не знайшла широкого застосування.
З 2023 року Група дослідження кривої облігацій (BCRG) провела всебічне дослідження кривої облігацій, особливо в спільному дослідженні PAMM (Первинний автоматизований маркет-мейкер) та SAMM (Вторинний автоматизований маркет-мейкер). Але через обмежені ресурси BCRG ще не поглибилася в дослідження зловмисних стратегій, тестування на проникнення та інші більш глибокі дослідження.
Огляд проекту
Цей проект має на меті дослідження злочинних стратегій потенційних нападників за допомогою AI-агента, навченного за допомогою посиленого навчання, в умовах різних комбінацій кривих зв'язку PAMM та SAMM. За допомогою порівняльного аналізу та дослідження простору поведінки команда проекту шукатиме відносно стабільні та якісні комбінації параметрів кривих зв'язку, щоб оптимізувати механізми дизайну протоколу, зменшити розрив між очікуваною та реальною поведінкою, а також знизити економічні ризики безпеки токенів.
Зокрема, проект вибере чотири популярні типи кривих зв'язування PAMM (лінійний, експоненціальний, степеневий і сигмоїдний) та два популярні типи кривих зв'язування SAMM (постійний добуток і змішаний), утворюючи 8 комбінацій. Команда проекту використовуватиме методи моделювання та симуляції на основі агентів для проведення експериментів, використовуючи AI-агент для дослідження набору потенційно злочинних стратегій для кожної схеми та ймовірності їх виникнення, а також демонструючи вплив злочинних стратегій на систему на основі результатів симуляцій, щоб розробити наукові стратегії реагування на злочинні напади та оптимізаційні рішення механізму кривої зв'язування.
Інноваційні аспекти проекту
Впровадження підкріплювального навчання в токенну інженерію для формування методів оптимізації механізму протоколу на основі AI-агентів та агентного моделювання і симуляції.
Цей метод має універсальність, можливість реалізації та повторного використання, що може позитивно вплинути на економічну безпеку всього токен-екосистеми.
Завдяки сучасній платформі моделювання та симуляції моделі стають зрозумілими, легкими у використанні та перевірці.
Ціль проекту
Короткострокова мета:
Довгострокова мета: Завдяки просуванню методів моделювання та симуляції на основі агентів, що поєднують штучний інтелект, та інженерії токенів, більше людей можуть стати інженерами токенів, закладаючи основу для створення децентралізованих, антикрихких та стійких екосистем токенів, просуваючи розвиток теорії та практики інженерії токенів.
Очікувані результати
Модель симуляції токеноміки з впровадженням AI-агента, що включає 8 експериментальних схем комбінацій PAMM та SAMM. Модель буде повністю прозорою, легкою для розуміння, використання та перевірки.
Дослідна доповідь на основі дослідження AI-агента, яка детально описує потенційні шкідливі стратегії атак при різних комбінаціях bonding curve, включаючи процес моделювання, зміст експерименту, ризики вразливостей та плани оптимізації.
Цінність проекту
Зручність: Модель буде відкритою як громадський товар, доступною для всіх для доступу та тестування.
Освітня цінність: через детальні моделі та навчальні посібники з моделювання допомогти широкій аудиторії глибше зрозуміти принципи роботи кривої зв'язку та її роль в екосистемі токенів.
Прозорість: за допомогою візуалізаційних інструментів зробити механізм моделювання та експериментальний процес прозорими, щоб громадськість могла зрозуміти механізм моделі та потенційні ризики.
Спільнота, що керується: Члени спільноти можуть проводити різні експерименти на основі цієї моделі та публікувати результати досліджень, реалізуючи саморегулювання, яке керується спільнотою.
Узгодження з принципами токенінгу: поширюючи цей набір методів і інструментів, ми дозволяємо більшій кількості людей брати участь у токенінгу, спільно будуючи більш антикрихку та сталу екосистему токенів.