Aprendizado reforçado para garantir a segurança da economia de Token: método de pesquisa inovador Bonding Curve

Este artigo apresentará uma proposta inovadora que recebeu financiamento do Token Engineering Commons na primavera de 2024. A proposta visa utilizar técnicas de modelagem e simulação baseadas em agentes e de aprendizado por reforço para otimizar o mecanismo de bonding curve no ecossistema de Token.

Contexto e Objetivos do Projeto

A curva de vinculação como parte central do ecossistema de Token desempenha um papel crucial no controle da volatilidade dos preços, na oferta de liquidez e na regulação dinâmica da oferta. Este projeto herda a ideia inicial de otimização de mecanismos usando agentes de IA e combina os recentes resultados de pesquisa do BCRG (Bonding Curve Research Group).

A equipe do projeto planeja explorar estratégias maliciosas potenciais sob diferentes combinações de curvas de bonding PAMM e SAMM através de um agente de IA treinado por aprendizado reforçado. Por meio de análises comparativas e exploração do espaço de comportamento, busca-se encontrar combinações de parâmetros estáveis e de alta qualidade, otimizando continuamente o design do mecanismo do protocolo, reduzindo a diferença entre o comportamento esperado e o comportamento real, e diminuindo os riscos de segurança econômica do ecossistema de tokens.

Método de Pesquisa

A pesquisa se concentrará em quatro tipos comuns de curvas de ligação PAMM (linear, exponencial, função potência e Sigmoide) e em dois tipos de curvas de ligação SAMM (produto constante e tipo misto), formando um total de 8 combinações. A equipe utilizará métodos de modelagem e simulação baseados em agentes para realizar experimentos, utilizando agentes de IA para explorar o conjunto de potenciais estratégias maliciosas de cada proposta e suas probabilidades de ocorrência, e apresentará visualmente os resultados da simulação para mostrar o impacto dessas estratégias no sistema.

Pontos de Inovação e Objetivos

1. Introduzir o aprendizado por reforço na Engenharia de Token, formando um método de otimização de mecanismos de protocolo baseado em AI-agent.
2. Apresentar métodos que sejam universais, implementáveis e reutilizáveis, com a esperança de melhorar a segurança econômica de todo o sistema de Token.
3. Utilizando a plataforma Holobit, torna-se mais fácil entender, usar e validar o modelo.

Os objetivos de curto prazo incluem explorar estratégias potencialmente maliciosas, fornecer métodos de pesquisa cientificamente rigorosos, e propor sugestões para aumentar a segurança econômica a partir da perspectiva da bonding curve. O objetivo de longo prazo é promover Token Engineering, permitindo que mais pessoas participem na construção do ecossistema de moeda.

Resultados Esperados

1. Um modelo de simulação de cadeia econômica de Token com um agente de IA introduzido, incluindo 8 tipos de planos experimentais de combinação PAMM e SAMM.
2. Um relatório de pesquisa sobre estratégias potenciais de ataque malicioso sob diferentes combinações de bonding curve baseadas em AI-agent.

Valor do Projeto

Este projeto não só ajuda a aumentar a segurança do sistema de tokens, como também promove a difusão e a prática da Engenharia de Token. Através de modelos e processos experimentais transparentes e abertos, o projeto visa permitir que mais pessoas compreendam e participem neste campo de vanguarda, contribuindo para a construção de um ecossistema de tokens mais seguro e sustentável.