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 tối ưu hóa cơ chế bonding curve trong hệ sinh thái token, nâng cao tính an toàn kinh tế của hệ thống.

Bối cảnh dự án

Bonding curve là một phần quan trọng của hệ sinh thái mã thông báo, đóng vai trò chính trong việc kiểm soát sự biến động giá mã thông báo, cung cấp tính thanh khoản và điều chỉnh cung mã thông báo. Từ năm 2018, đã có các nhóm đề xuất sử dụng AI-agent cho tối ưu hóa cơ chế, nhưng chưa thể triển khai quy mô lớn. Gần đây, BCRG( Bonding Curve Research Group) đã tiến hành nghiên cứu tương đối toàn diện về bonding curve, nhưng vẫn chưa đi sâu vào các nghiên cứu cấp độ sâu hơn như khám phá các chiến lược ác ý.

Nội dung dự án

Dự án này sẽ sử dụng học tăng cường để đào tạo AI-agent, khám phá các chiến lược độc hại của kẻ tấn công tiềm năng dưới các tổ hợp đường cong bonding PAMM và SAMM khác nhau. Bằng cách phân tích so sánh và khám phá không gian hành vi, tìm kiếm các tổ hợp tham số đường cong bonding tương đối ổn định, tối ưu hóa thiết kế cơ chế giao thức, giảm thiểu rủi ro an ninh kinh tế của hệ sinh thái token.

Cụ thể, dự án sẽ chọn 4 loại PAMM curve( Linear, Exponential, Power và Sigmoid) và 2 loại SAMM curve( Hằng số sản phẩm và Hỗn hợp), tạo thành 8 phương án kết hợp để thực nghiệm. Sử dụng phương pháp mô hình hóa và mô phỏng dựa trên tác nhân, khám phá tập hợp các chiến lược độc hại tiềm năng của từng phương án và xác suất xảy ra của chúng, và mô phỏng ảnh hưởng của các chiến lược này đến hệ thống, từ đó xây dựng các chiến lược ứng phó và tối ưu hóa cơ chế.

Điểm đổi mới

1. Đưa học tăng cường vào Kỹ thuật Token, hình thành phương pháp tối ưu hóa cơ chế giao thức dựa trên AI-agent
2. Phương pháp này có tính phổ quát, có thể triển khai và sử dụng lại, hứa hẹn nâng cao tính an toàn kinh tế của toàn bộ hệ sinh thái token.
3. Nhờ vào nền tảng Holobit, giúp mô hình dễ dàng được công chúng hiểu, sử dụng và xác minh.

Mục tiêu dự án

Mục tiêu ngắn hạn:

• Khám phá các chiến lược độc hại tiềm tàng dưới các tổ hợp đường cong bonding khác nhau, xác định rủi ro và đề xuất phương án đối phó.
• Cung cấp phương pháp nghiên cứu đường cong bonding một cách khoa học và nghiêm ngặt
• Đề xuất cải thiện tính an toàn kinh tế của hệ sinh thái token từ góc độ đường cong bonding

Mục tiêu dài hạn: Khuyến khích việc kết hợp phương pháp mô hình hóa và mô phỏng dựa trên Agent với AI, phổ biến Kỹ thuật Token, để nhiều người có thể tham gia xây dựng hệ sinh thái token bền vững và chống dễ vỡ.

Kết quả dự kiến

1. Một mô hình mô phỏng chuỗi kinh tế token có AI-agent, bao gồm 8 loại phương án thí nghiệm kết hợp PAMM và SAMM.
2. Báo cáo nghiên cứu về các chiến lược tấn công độc hại tiềm tàng dưới các tổ hợp đường cong bonding khác nhau dựa trên sự khám phá của AI-agent.

Giá trị dự án

• Tiện lợi: Mô hình công khai minh bạch, ai cũng có thể đọc, sử dụng và xác minh
• Giáo dục: Giúp công chúng hiểu nguyên lý đường cong bonding và vai trò của nó trong hệ sinh thái token.
• Minh bạch: Thể hiện cơ chế mô hình và quá trình thực nghiệm thông qua trực quan hóa
• Được điều khiển bởi cộng đồng: Các thành viên trong cộng đồng có thể tái sử dụng mô hình để thực hiện các thí nghiệm khác nhau, thúc đẩy tối ưu hóa giao thức.
• Đồng bộ với các nguyên tắc Kỹ thuật Token: Thúc đẩy thực hành kỹ thuật token phi tập trung