Proposta inovadora para otimização do ecossistema de Token baseado em aprendizado por reforço

Este artigo apresenta uma proposta inovadora que recebeu financiamento do Token Engineering Commons na primavera de 2024. O projeto visa utilizar técnicas de aprendizagem por reforço e modelagem e simulação baseadas em agentes para otimizar o mecanismo de bonding curve no ecossistema de tokens, aumentando a segurança econômica do sistema.

Contexto e Objetivos do Projeto

A curva de vinculação como componente chave do ecossistema de Token, desempenha um papel importante no controle da volatilidade dos preços, na oferta de liquidez e na regulação dinâmica da oferta de Token. Este projeto herda a ideia inicial de aplicar agentes de IA na otimização de mecanismos e combina os resultados recentes da pesquisa sobre curvas de vinculação PAMM e SAMM.

A equipe do projeto foca na área de Token Engineering, dedicada a utilizar modelagem e simulação baseadas em agentes para resolver problemas de design e otimização de sistemas complexos. Através de AI-agentes treinados por aprendizado por reforço, explora estratégias maliciosas de potenciais atacantes sob diferentes combinações de curvas de bonding PAMM e SAMM, e realiza análise comparativa e exploração do espaço de comportamento, a fim de encontrar combinações de parâmetros estáveis e de qualidade, otimizar o design do mecanismo do protocolo e reduzir riscos de segurança econômica.

Método de Pesquisa

O projeto selecionou quatro tipos comuns de curvas de bonding PAMM (Linear, Exponencial, Potência e Sigmoide) e dois tipos de curvas de bonding SAMM (Produto constante e Tipo misto), formando 8 combinações. Foi utilizado um método de modelagem e simulação baseado em agentes para realizar experimentos, utilizando agentes de IA para explorar o conjunto de estratégias maliciosas potenciais de cada plano e suas probabilidades de ocorrência, e os resultados da simulação mostram o impacto dessas estratégias no sistema, permitindo a exploração de estratégias de resposta científicas e planos de otimização de mecanismos.

O projeto irá utilizar uma plataforma avançada de modelagem e simulação para apresentar de forma totalmente transparente os detalhes da construção do modelo e o processo experimental.

Pontos de Inovação e Objetivos

1. Introduzir o aprendizado por reforço na Engenharia de Tokens, formando um método de otimização de mecanismos de protocolo baseado em simulação com agentes de IA e modelagem baseada em agentes.
2. O método possui universalidade, é aplicável e reutilizável, e espera-se que melhore a segurança econômica de todo o ecossistema de Token.
3. Utilize ferramentas avançadas para tornar o modelo fácil de entender, usar e verificar.

Objetivo a curto prazo:

• Explorar potenciais estratégias maliciosas sob diferentes combinações de curvas de bonding, identificar riscos e propor soluções.
• Fornecer métodos científicos rigorosos para a pesquisa de bonding curve.
• Propor sugestões para melhorar a segurança econômica do ecossistema de Token a partir da perspectiva da curva de vinculação.

Objetivo a longo prazo: Promover a combinação de métodos de simulação baseados em agentes com IA e Engenharia de Token, para que mais pessoas possam participar da Engenharia de Token, estabelecendo as bases para a construção de um ecossistema de tokens descentralizado, antifrágil e sustentável.

Resultados Esperados

1. Um modelo de simulação de economia de Token com agente de IA, que inclui 8 tipos de planos experimentais combinando PAMM e SAMM, sendo o modelo totalmente transparente e fácil de entender e verificar.
2. Um relatório de pesquisa sobre potenciais estratégias de ataque malicioso sob diferentes combinações de curvas de bonding baseadas em agentes de IA, incluindo processos de modelagem, conteúdo experimental, riscos de vulnerabilidades e propostas de otimização.

Valor do projeto

• Conveniência: o modelo é aberto como um bem público, acessível e testável por todos.
• Valor educativo: Ajudar o público a compreender o princípio da curva de ligação e o seu papel nos sistemas ecológicos de Token, promovendo métodos de simulação baseados em agentes.
• Transparência: exibir o mecanismo de modelagem e o processo experimental através de ferramentas de visualização, tornando os riscos do design do mecanismo transparentes.
• Comunidade impulsionada: os membros da comunidade podem reutilizar este modelo para realizar vários experimentos, promovendo a descentralização da auditoria de segurança econômica do protocolo.
• Alinhado com os princípios de Engenharia de Token: promover a realização de engenharia de token descentralizada, reunindo a sabedoria coletiva para construir um ecossistema de token mais robusto e sustentável.