Token Engineering Commons 2024春季資助項目介紹

本文將介紹一個獲得 2024 年春季 Token Engineering Commons (TEC) 資助的創新項目。該項目旨在利用強化學習和基於 agent 的建模與仿真技術，優化代幣生態系統中的 bonding curve 機制。

項目背景

bonding curve 作爲代幣生態系統的重要組成部分，在控制代幣價格波動、提供流動性、動態化代幣供應等方面發揮着關鍵作用。通過數學化代幣生態系統中多個元素的關係，bonding curve 爲代幣生態系統的"工程控制"開闢了新的可能性。

早在 2018 年，就有團隊提出將 AI-agent 用於機制優化的理念，通過觀察機器學習 agents 的行爲來識別系統部署後可能出現的用戶行爲，並通過比較真實行爲與預期行爲之間的差異來優化機制設計。然而，這一理念尚未得到廣泛應用。

自 2023 年起，Bonding Curve Research Group (BCRG) 對 bonding curve 進行了全面研究，特別是在 PAMM（Primary Automated Market Maker）與 SAMM（Secondary Automated Market Maker）的聯合研究上。但由於資源限制，BCRG 尚未深入探索惡意策略、滲透測試等更深層次的研究。

項目概述

本項目旨在通過經強化學習訓練的 AI-agent 探索不同 PAMM 和 SAMM bonding curve 組合下潛在攻擊者的惡意策略。通過比較分析與行爲空間探索，項目團隊將尋找相對穩定和優質的 bonding curve 參數組合，以優化協議的機制設計，縮小預期行爲和真實行爲之間的差距，降低代幣生態系統的經濟安全風險。

具體而言，項目將選取四種常見的 PAMM bonding curve 類型（Linear、Exponential、Power 和 Sigmoid）以及兩種常見的 SAMM bonding curve 類型（恆定乘積和混合型），形成 8 種組合方案。項目團隊將採用 agent-based modeling and simulation 方法進行實驗，利用 AI-agent 探索每種方案的潛在惡意策略集合及其發生概率，並通過模擬結果展示惡意策略對系統造成的影響，從而探索出科學的惡意攻擊應對策略與 bonding curve 機制優化方案。

項目創新點

1. 將強化學習引入 Token Engineering，形成基於 AI-agent 與 agent-based modeling and simulation 的協議機制優化方法。

2. 該方法具有普適性、可落地性和可復用性，有望對整個代幣生態系統的經濟安全產生積極影響。

3. 借助先進的建模仿真平台，使模型易於理解、使用和驗證。

項目目標

短期目標：

1. 利用 AI-agent 探索不同 bonding curve 組合下的潛在惡意策略，識別風險並探索應對策略與機制優化方案。
2. 爲 bonding curve 研究提供科學嚴謹的方法論。
3. 從 bonding curve 角度提出提高代幣生態系統經濟安全性的建議。

長期目標： 通過推廣結合 AI 的 Agent-based modeling and simulation 方法和 Token Engineering，使更多人能成爲 Token Engineer，爲構建去中心化、反脆弱和可持續的代幣生態系統奠定基礎，推動 Token Engineering 理論和實踐的發展。

預期成果

1. 一個引入 AI-agent 的代幣經濟鏈下模擬模型，包含 8 種 PAMM 與 SAMM 組合的實驗方案。模型將完全透明，易於理解、使用和驗證。

2. 一份基於 AI-agent 探索的研究報告，詳細說明不同 bonding curve 組合下的潛在惡意攻擊策略，包括建模流程、實驗內容、漏洞風險及優化方案。

項目價值

1. 便捷性：模型將作爲公共物品開放，所有人均可訪問與測試。

2. 教育價值：通過詳細的模型和仿真教程，幫助大衆深入了解 bonding curve 的工作原理及其在代幣生態系統中的作用。

3. 透明度：通過可視化工具將建模機制和實驗過程透明化，使大衆能夠理解模型機制和潛在風險。

4. 社區驅動：社區成員可以基於此模型進行各種實驗，並將研究成果公開，實現社區驅動的自監管。

5. 與 Token Engineering 原則對齊：通過普及這套方法和工具，使更多人能夠參與代幣工程，共同構建更加反脆弱、可持續的代幣生態系統。