Propuesta innovadora para optimizar el ecosistema de Token basado en el aprendizaje por refuerzo

Este artículo presenta una propuesta innovadora que ha recibido financiación de Token Engineering Commons para la primavera de 2024. El proyecto tiene como objetivo utilizar técnicas de modelado y simulación basadas en agentes y aprendizaje por refuerzo para optimizar el mecanismo de bonding curve en el ecosistema de Token, mejorando la seguridad económica del sistema.

Antecedentes y objetivos del proyecto

La curva de vinculación como componente clave del ecosistema de tokens juega un papel importante en el control de la volatilidad de los precios, la provisión de liquidez y la regulación dinámica de la oferta de tokens. Este proyecto hereda la idea temprana de aplicar agentes de IA a la optimización de mecanismos y combina los recientes resultados de investigación sobre curvas de vinculación PAMM y SAMM.

El equipo del proyecto se centra en el campo de la Token Engineering, dedicado a utilizar la modelización y simulación basada en agentes para resolver problemas de diseño y optimización de sistemas complejos. A través de un AI-agent entrenado con aprendizaje por refuerzo, se exploran las estrategias maliciosas de posibles atacantes bajo diferentes combinaciones de curvas de vinculación PAMM y SAMM, y se realiza un análisis comparativo y exploración del espacio de comportamiento para encontrar combinaciones de parámetros estables y de alta calidad, optimizando el diseño del mecanismo del protocolo y reduciendo los riesgos de seguridad económica.

Método de investigación

El proyecto seleccionó cuatro tipos comunes de curvas de unión PAMM (lineal, exponencial, de potencia y sigmoidea) y dos tipos de curvas de unión SAMM (producto constante y tipo mixto), formando 8 combinaciones. Se empleó un método de modelado y simulación basado en agentes para realizar experimentos, utilizando un agente de IA para explorar el conjunto de estrategias maliciosas potenciales de cada esquema y su probabilidad de ocurrencia, y mediante los resultados de la simulación se muestran los efectos de estas estrategias sobre el sistema, explorando así estrategias de respuesta científicas y planes de optimización de mecanismos.

El proyecto utilizará una plataforma avanzada de modelado y simulación para mostrar de manera completamente transparente los detalles de la construcción del modelo y el proceso experimental.

Puntos innovadores y objetivos

1. Introducir el aprendizaje por refuerzo en la Ingeniería de Tokens, formando un método de optimización de mecanismos de protocolo basado en simulaciones con agentes de IA y modelado basado en agentes.
2. El método es universal, aplicable y reutilizable, y se espera que mejore la seguridad económica de todo el ecosistema de Token.
3. Utilizar herramientas avanzadas para que el modelo sea fácil de entender, usar y verificar.

Objetivo a corto plazo:

• Explorar las posibles estrategias maliciosas bajo diferentes combinaciones de curvas de vinculación, identificar riesgos y proponer soluciones.
• Proporcionar un método científico y riguroso para el estudio de la curva de vinculación.
• Proponer sugerencias para mejorar la seguridad económica del ecosistema de Token desde la perspectiva de la curva de vinculación.

Objetivo a largo plazo: Promover la combinación de métodos de simulación basados en agentes con IA y Token Engineering, para permitir que más personas participen en Token Engineering, sentando las bases para construir un ecosistema de tokens descentralizado, antifrágil y sostenible.

Resultados Esperados

1. Un modelo simulado de economía de Token con un agente de IA introducido, que incluye 8 combinaciones de experimentos de PAMM y SAMM, el modelo es completamente transparente y fácil de entender y verificar.
2. Un informe de investigación sobre las estrategias de ataque malicioso potencial bajo diferentes combinaciones de curvas de bonding basadas en la exploración de agentes de IA, que incluye el proceso de modelado, el contenido experimental, los riesgos de vulnerabilidad y las soluciones de optimización.

Valor del proyecto

• Conveniencia: el modelo se abre como bien público, accesible y probado por todos.
• Valor educativo: Ayudar al público a entender el principio de la curva de vinculación y su papel en el ecosistema de Token, promoviendo el método de simulación basado en agentes.
• Transparencia: A través de herramientas de visualización, se muestra el mecanismo de modelado y el proceso experimental, haciendo que los riesgos del diseño del mecanismo sean transparentes.
• Impulsado por la comunidad: los miembros de la comunidad pueden reutilizar este modelo para realizar diversos experimentos, promoviendo la descentralización de la auditoría de seguridad económica del protocolo.
• Alineado con los principios de Token Engineering: promover la realización de la ingeniería de tokens descentralizada, reuniendo la sabiduría colectiva para construir un ecosistema de tokens más resistente y sostenible.