Giới thiệu Dự án Tài trợ Mùa xuân 2024 của Token Engineering Commons
Bài viết này sẽ giới thiệu một dự án đổi mới được tài trợ bởi Token Engineering Commons (TEC) vào mùa xuân năm 2024. Dự án này nhằm mục đích sử dụng học tăng cường và công nghệ mô hình hóa và mô phỏng dựa trên agent để tối ưu hóa cơ chế bonding curve trong hệ sinh thái token.
Nền tảng dự án
Đường cong liên kết là một phần quan trọng của hệ sinh thái token, đóng vai trò then chốt trong việc kiểm soát sự biến động giá token, cung cấp tính thanh khoản và điều chỉnh nguồn cung token một cách linh hoạt. Thông qua việc định lượng mối quan hệ giữa nhiều yếu tố trong hệ sinh thái token, đường cong liên kết đã mở ra những khả năng mới cho việc "kiểm soát kỹ thuật" trong hệ sinh thái token.
Ngay từ năm 2018, đã có những nhóm đề xuất ý tưởng sử dụng AI-agent để tối ưu hóa cơ chế, thông qua việc quan sát hành vi của các agents học máy để nhận diện hành vi người dùng có thể xuất hiện sau khi triển khai hệ thống, và tối ưu hóa thiết kế cơ chế bằng cách so sánh sự khác biệt giữa hành vi thực tế và hành vi dự kiến. Tuy nhiên, ý tưởng này vẫn chưa được áp dụng rộng rãi.
Kể từ năm 2023, Nhóm Nghiên cứu Đường cong Liên kết (BCRG) đã tiến hành nghiên cứu toàn diện về đường cong liên kết, đặc biệt là trong nghiên cứu kết hợp giữa PAMM (Nhà tạo lập thị trường tự động chính) và SAMM (Nhà tạo lập thị trường tự động thứ cấp). Tuy nhiên, do hạn chế về nguồn lực, BCRG chưa thể khám phá sâu hơn về các chiến lược độc hại, kiểm tra xâm nhập và các nghiên cứu sâu hơn khác.
Tổng quan dự án
Dự án này nhằm mục đích khám phá các chiến lược độc hại của kẻ tấn công tiềm năng dưới các tổ hợp đường cong PAMM và SAMM khác nhau thông qua AI-agent được đào tạo bằng học tăng cường. Thông qua phân tích so sánh và khám phá không gian hành vi, nhóm dự án sẽ tìm kiếm các tổ hợp tham số đường cong bonding tương đối ổn định và chất lượng cao, nhằm tối ưu hóa thiết kế cơ chế của giao thức, thu hẹp khoảng cách giữa hành vi dự kiến và hành vi thực tế, giảm thiểu rủi ro an ninh kinh tế của hệ sinh thái token.
Cụ thể, dự án sẽ chọn bốn loại đường cong PAMM phổ biến (Đường thẳng, Đường mũ, Đường bậc và Đường sigmoid) cùng với hai loại đường cong SAMM phổ biến (Tích cố định và Kiểu hỗn hợp), tạo thành 8 phương án kết hợp. Nhóm dự án sẽ sử dụng phương pháp mô hình hóa và mô phỏng dựa trên agent để thực nghiệm, sử dụng AI-agent để khám phá tập hợp các chiến lược độc hại tiềm năng cho mỗi phương án và xác suất xảy ra của chúng, đồng thời trình bày ảnh hưởng của các chiến lược độc hại đến hệ thống thông qua kết quả mô phỏng, từ đó khám phá ra các chiến lược đối phó với cuộc tấn công độc hại một cách khoa học và các phương án tối ưu hóa cơ chế đường cong.
Điểm đổi mới của dự án
Đưa học tăng cường vào Kỹ thuật Token, hình thành phương pháp tối ưu cơ chế giao thức dựa trên AI-agent và mô hình hóa và mô phỏng dựa trên agent.
Phương pháp này có tính phổ quát, khả thi và có thể tái sử dụng, hy vọng sẽ có tác động tích cực đến an ninh kinh tế của toàn bộ hệ sinh thái token.
Sử dụng nền tảng mô phỏng mô hình tiên tiến, giúp mô hình dễ hiểu, sử dụng và xác minh.
Mục tiêu dự án
Mục tiêu ngắn hạn:
Sử dụng AI-agent để khám phá các chiến lược độc hại tiềm ẩn dưới các tổ hợp đường cong bonding khác nhau, nhận diện rủi ro và khám phá các chiến lược đối phó cùng với các giải pháp tối ưu hóa cơ chế.
Cung cấp phương pháp luận khoa học và nghiêm ngặt cho nghiên cứu đường cong liên kết.
Đưa ra các đề xuất nhằm nâng cao tính bảo mật kinh tế của hệ sinh thái token từ góc độ đường cong gắn kết.
Mục tiêu dài hạn:
Thông qua việc kết hợp các phương pháp mô hình và mô phỏng dựa trên tác nhân (Agent-based modeling and simulation) với AI và Kỹ thuật Token (Token Engineering), giúp nhiều người trở thành Kỹ sư Token, đặt nền tảng cho việc xây dựng hệ sinh thái token phi tập trung, chống mong manh và bền vững, thúc đẩy sự phát triển của lý thuyết và thực hành Kỹ thuật Token.
Kết quả dự kiến
Một mô hình mô phỏng chuỗi kinh tế token tích hợp AI-agent, bao gồm 8 phương án thử nghiệm kết hợp PAMM và SAMM. Mô hình sẽ hoàn toàn trong suốt, dễ hiểu, sử dụng và xác minh.
Một báo cáo nghiên cứu dựa trên việc khám phá AI-agent, mô tả chi tiết các chiến lược tấn công ác ý tiềm tàng dưới các tổ hợp đường cong bonding khác nhau, bao gồm quy trình mô hình hóa, nội dung thực nghiệm, rủi ro lỗ hổng và giải pháp tối ưu.
Giá trị dự án
Tính tiện lợi: Mô hình sẽ được mở rộng như một tài sản công, mọi người đều có thể truy cập và thử nghiệm.
Giá trị giáo dục: Thông qua các mô hình chi tiết và hướng dẫn mô phỏng, giúp công chúng hiểu sâu về cách hoạt động của đường cong liên kết và vai trò của nó trong hệ sinh thái token.
Độ minh bạch: Sử dụng các công cụ trực quan để làm rõ cơ chế mô hình và quy trình thử nghiệm, giúp công chúng có thể hiểu được cơ chế mô hình và các rủi ro tiềm ẩn.
Được điều hành bởi cộng đồng: Các thành viên trong cộng đồng có thể thực hiện các thí nghiệm khác nhau dựa trên mô hình này và công khai các kết quả nghiên cứu, đạt được sự tự quản lý do cộng đồng điều hành.
Căn chỉnh với các nguyên tắc Kỹ thuật Token: Bằng cách phổ biến bộ phương pháp và công cụ này, giúp nhiều người có thể tham gia vào kỹ thuật token, cùng nhau xây dựng một hệ sinh thái token mạnh mẽ và bền vững hơn.
Trang này có thể chứa nội dung của bên thứ ba, được cung cấp chỉ nhằm mục đích thông tin (không phải là tuyên bố/bảo đảm) và không được coi là sự chứng thực cho quan điểm của Gate hoặc là lời khuyên về tài chính hoặc chuyên môn. Xem Tuyên bố từ chối trách nhiệm để biết chi tiết.
Kỹ thuật Token do AI điều khiển: Dự án tài trợ TEC tập trung vào tối ưu hóa đường cong kết nối
Giới thiệu Dự án Tài trợ Mùa xuân 2024 của Token Engineering Commons
Bài viết này sẽ giới thiệu một dự án đổi mới được tài trợ bởi Token Engineering Commons (TEC) vào mùa xuân năm 2024. Dự án này nhằm mục đích sử dụng học tăng cường và công nghệ mô hình hóa và mô phỏng dựa trên agent để tối ưu hóa cơ chế bonding curve trong hệ sinh thái token.
Nền tảng dự án
Đường cong liên kết là một phần quan trọng của hệ sinh thái token, đóng vai trò then chốt trong việc kiểm soát sự biến động giá token, cung cấp tính thanh khoản và điều chỉnh nguồn cung token một cách linh hoạt. Thông qua việc định lượng mối quan hệ giữa nhiều yếu tố trong hệ sinh thái token, đường cong liên kết đã mở ra những khả năng mới cho việc "kiểm soát kỹ thuật" trong hệ sinh thái token.
Ngay từ năm 2018, đã có những nhóm đề xuất ý tưởng sử dụng AI-agent để tối ưu hóa cơ chế, thông qua việc quan sát hành vi của các agents học máy để nhận diện hành vi người dùng có thể xuất hiện sau khi triển khai hệ thống, và tối ưu hóa thiết kế cơ chế bằng cách so sánh sự khác biệt giữa hành vi thực tế và hành vi dự kiến. Tuy nhiên, ý tưởng này vẫn chưa được áp dụng rộng rãi.
Kể từ năm 2023, Nhóm Nghiên cứu Đường cong Liên kết (BCRG) đã tiến hành nghiên cứu toàn diện về đường cong liên kết, đặc biệt là trong nghiên cứu kết hợp giữa PAMM (Nhà tạo lập thị trường tự động chính) và SAMM (Nhà tạo lập thị trường tự động thứ cấp). Tuy nhiên, do hạn chế về nguồn lực, BCRG chưa thể khám phá sâu hơn về các chiến lược độc hại, kiểm tra xâm nhập và các nghiên cứu sâu hơn khác.
Tổng quan dự án
Dự án này nhằm mục đích khám phá các chiến lược độc hại của kẻ tấn công tiềm năng dưới các tổ hợp đường cong PAMM và SAMM khác nhau thông qua AI-agent được đào tạo bằng học tăng cường. Thông qua phân tích so sánh và khám phá không gian hành vi, nhóm dự án sẽ tìm kiếm các tổ hợp tham số đường cong bonding tương đối ổn định và chất lượng cao, nhằm tối ưu hóa thiết kế cơ chế của giao thức, thu hẹp khoảng cách giữa hành vi dự kiến và hành vi thực tế, giảm thiểu rủi ro an ninh kinh tế của hệ sinh thái token.
Cụ thể, dự án sẽ chọn bốn loại đường cong PAMM phổ biến (Đường thẳng, Đường mũ, Đường bậc và Đường sigmoid) cùng với hai loại đường cong SAMM phổ biến (Tích cố định và Kiểu hỗn hợp), tạo thành 8 phương án kết hợp. Nhóm dự án sẽ sử dụng phương pháp mô hình hóa và mô phỏng dựa trên agent để thực nghiệm, sử dụng AI-agent để khám phá tập hợp các chiến lược độc hại tiềm năng cho mỗi phương án và xác suất xảy ra của chúng, đồng thời trình bày ảnh hưởng của các chiến lược độc hại đến hệ thống thông qua kết quả mô phỏng, từ đó khám phá ra các chiến lược đối phó với cuộc tấn công độc hại một cách khoa học và các phương án tối ưu hóa cơ chế đường cong.
Điểm đổi mới của dự án
Đưa học tăng cường vào Kỹ thuật Token, hình thành phương pháp tối ưu cơ chế giao thức dựa trên AI-agent và mô hình hóa và mô phỏng dựa trên agent.
Phương pháp này có tính phổ quát, khả thi và có thể tái sử dụng, hy vọng sẽ có tác động tích cực đến an ninh kinh tế của toàn bộ hệ sinh thái token.
Sử dụng nền tảng mô phỏng mô hình tiên tiến, giúp mô hình dễ hiểu, sử dụng và xác minh.
Mục tiêu dự án
Mục tiêu ngắn hạn:
Mục tiêu dài hạn: Thông qua việc kết hợp các phương pháp mô hình và mô phỏng dựa trên tác nhân (Agent-based modeling and simulation) với AI và Kỹ thuật Token (Token Engineering), giúp nhiều người trở thành Kỹ sư Token, đặt nền tảng cho việc xây dựng hệ sinh thái token phi tập trung, chống mong manh và bền vững, thúc đẩy sự phát triển của lý thuyết và thực hành Kỹ thuật Token.
Kết quả dự kiến
Một mô hình mô phỏng chuỗi kinh tế token tích hợp AI-agent, bao gồm 8 phương án thử nghiệm kết hợp PAMM và SAMM. Mô hình sẽ hoàn toàn trong suốt, dễ hiểu, sử dụng và xác minh.
Một báo cáo nghiên cứu dựa trên việc khám phá AI-agent, mô tả chi tiết các chiến lược tấn công ác ý tiềm tàng dưới các tổ hợp đường cong bonding khác nhau, bao gồm quy trình mô hình hóa, nội dung thực nghiệm, rủi ro lỗ hổng và giải pháp tối ưu.
Giá trị dự án
Tính tiện lợi: Mô hình sẽ được mở rộng như một tài sản công, mọi người đều có thể truy cập và thử nghiệm.
Giá trị giáo dục: Thông qua các mô hình chi tiết và hướng dẫn mô phỏng, giúp công chúng hiểu sâu về cách hoạt động của đường cong liên kết và vai trò của nó trong hệ sinh thái token.
Độ minh bạch: Sử dụng các công cụ trực quan để làm rõ cơ chế mô hình và quy trình thử nghiệm, giúp công chúng có thể hiểu được cơ chế mô hình và các rủi ro tiềm ẩn.
Được điều hành bởi cộng đồng: Các thành viên trong cộng đồng có thể thực hiện các thí nghiệm khác nhau dựa trên mô hình này và công khai các kết quả nghiên cứu, đạt được sự tự quản lý do cộng đồng điều hành.
Căn chỉnh với các nguyên tắc Kỹ thuật Token: Bằng cách phổ biến bộ phương pháp và công cụ này, giúp nhiều người có thể tham gia vào kỹ thuật token, cùng nhau xây dựng một hệ sinh thái token mạnh mẽ và bền vững hơn.