近期，綏學術研究獎為17個工作推動區塊鏈技術進步的措施提供資金支持。隋基金會宣布了新的獲獎者，計劃協助推動Web3發展的研究，特別是與區塊鏈網路、智慧合約、產品相關的技術框架。 17項獎學金來自國際著名大學，共提供425,000美元。其中獲獎提案包括DAO、自適應DAG協議共識、大型語言模型指導下的智能合約審計、映射共識協議領域等。研究將推動區塊鏈技術的發展，提升安全性、效能和效率。詳細資料可查看各大學官網。
近期，綏學術研究獎為17個工作推動區塊鏈相關技術進步的措施提供資金支持。
近日，隋基金會宣布了新的征程隋學術研究獎獲獎者，該計劃助力推動Web3發展的研究，尤其是推動與區塊鏈網絡、智能合約和基於隋構建的產品相關的技術框架。
在過去的兩個階段中，隋基金會批准了包括韓國科學技術學院（KAIST）、倫敦大學學院（UCL）、洛桑聯邦理工學院（EPFL）和新加坡國立大學（NUS）等17項獎學金來自國際著名大學的倡議，江蘇為425,000美元。
🏆 受獎勵提案介紹
DAO：投票群體
Ari Juels（康乃爾大學）
最近的研究解決了一個基本問題，即去中心化組織意味著什麼，該研究將建立一個緩慢去中心化組織的指標。透過建立一個去中心化自治組織（Decentralized Autonomous Organization，DAO）來體現對去中心化的認識化程度的實踐，該研究將確定可以增強組織內部去中心化的方法。
👉 了解更多：https://www.cornell.edu
自適應DAG協議共識
Philipp Jovanovic（倫敦大學學院）
該提案旨在開發一種非同步DAG協議，以提高對抗攻擊的強度並適應不斷變化的對手。與目前的部分同步模型不同，非同步很容易受到拒絕服務和靜態對手的影響，所以提出的協議將提供更好的安全性和防護性，同時保持接近部分同步對手的性能水平。
👉 了解更多：https://www.ucl.ac.uk
大型語言模型指導下的智慧合約審計
Arthur Gervais（倫敦大學學院）
使用像GPT-4-32k和Claude-v2-100k這樣的大型語言模型（Large Language Models，LLM），可以實現Move智能合約審計的巨大改進。該團隊透過對52個Solidity DeFi智能合約的初步分析發現了各種缺陷，導致了近10億美元的損失。該計畫將這項研究劃分為智慧合約，強調及時進行健全安全評估工程，並利用合成基準資料集評估LLM的績效。
👉 了解更多：https://www.ucl.ac.uk
映射共識協議領域
Christopher Cachin（伯爾尼大學）
透過調查目前的共識領域，該項目將提出意見協議提供新意見。結果將有助於更好地理解現有演算法，並為設計多種協定提供新的結構。
👉 了解更多：https://www.unibe.ch
去中心化中部機協議的高可信驗證框架
Giselle Reis（卡內基美隆大學）
Bruno Woltzenlogel Paleo（Djed Alliance）
該提案提出了一個框架，透過形式化方法嚴格分析和驗證區塊鏈，為確保智慧合約中的準確和公平的外部數據關鍵。該提案創建在先前的工作基礎上進行了擴展，利用Coq論證管理系統中形式化的基本機器協議和業務模型，旨在開發一個全面的定義和論證策略庫。
👉 Coq證明管理系統：https://coq.inria.fr
識別可擴充性瓶頸
Roger Wattenhofer（蘇黎世聯邦理工學院）
透過識別智慧合約設計缺陷的瓶頸，旨在提高區塊鏈應用程式的毛髮化潛力。它探討調整交易費用如何影響毛髮化潛力。
👉 了解更多：https://ethz.ch
Bullshark協議機械化
Ilya Sergey（新加坡國立大學）
這項研究旨在利用現代電腦輔助驗證工具對Bullshark的屬性進行驗證，並推進基於有向無環圖的共識協議的理解。正式此外，該提議將透過提供基於DAG的共識協議的第一個經機械驗證的模型，為全面系統研究的進步做出了貢獻。
👉 了解更多：https://nus.edu.sg
BBSF：區塊鏈基準化標準框架
Henry F. Korth（利哈伊大學）
該倡議旨在創建一個區塊鏈基準標準化格式，以公平比較L1區塊鏈以及L2擴展解決方案。最終目標是為使用者和開發者提供鏈結性能的透明洞見，促進明智決策的製定。
👉 了解更多：https://www2.lehigh.edu
建構可擴展和去中心化的共享序列層
Min Suk Kang（韓國科學技術院）
該提議將討論將Bullshark/Mysticeti 共享排序器演算法的用途。這將涉及運行中大量使用Sui 作為排序層的Rollup，使它們可以根據其執行層解釋的交易。
👉 了解更多：https://www.kaist.ac.kr
為了最佳擁堵定價的當地費用市場
阿卜杜拉耶·恩迪亞耶（紐約大學）
近期研究調查了本地費用市場以優化擁堵定價，在交易擁堵和區塊鏈網路中執行交易之間進行了類比。目標是反映建立擁塞狀態的有效定價機制，以實現最佳資源分配。估值和延遲成本的初步分析顯示，在區塊鏈中擁塞定價是有希望的方向。
👉 了解更多：https://www.nyu.edu
SAMM：分片自動做市商
Ittay Eyal（以色列理工學院）
正在開發一種名為分片合約的新概念，該合約利用多個合約來增加性。儘管分片自動做市商（AMM）智能合約可以提高效能，但由於流動性碎片化和成本更高的交易，可能會出現挑戰。關鍵目標是調整流動性提供者和交易者的激勵，以維持多個AMM分片，並實現完全可拼圖化的分片AMM。
👉 了解更多：https://www.technion.ac.il
競爭機制中的私人揭露
安德里亞·阿塔爾（羅馬托爾維亞塔大學）
探索市場機制設計的新方法，本研究指標於賣方之間吸引知情買家的競爭。它調查了設計者向代理人私下披露的資訊對市場結果和戰略互動的影響，旨在提供對現代市場動態和透過理論分析和相關研究，該項目旨在推進對市場缺陷的理解，並提出政策建議。
👉 了解更多：https://web.uniroma2.it
應用大型語言模型生成智能合約
Ken Koedinger和Eason Chen（卡內基美隆大學）
Sui上的智能合約是用Move語言編寫的，由於訓練資料有限，這給當前的大型語言模型（LLM）帶來了挑戰。該研究旨在透過使用Move程式碼和Sui特定提示來驅動LLM來解決這個問題該研究將收集一個全面的移動語言範例資料集，增強提示工程，並實施措施，比較這些方法下法學碩士的效果。
👉 了解更多：https://www.cmu.edu
COMET：過渡到Move 的比較匱乏和框架
喬治·賈格里斯（尼科西亞大學）
儘管對Solidity進行了廣泛的分析，但Move的出現帶來了明顯的轉變，但Solidity和Move之間的比較分析仍然很少見到。研究將完成Solidity和Move之間的全面比較分析，促進對Move功能和能力的更深入理解。透過將關鍵要素組織納入框架，我們的目標是使開發人員能夠輕鬆地使用Move進行開發。
👉 了解更多：https://www.unic.ac.cy
革命性DeFi：一種深度學習方法優化相應的流動性和動態費用
Rachid Guerraoui和Walid Sofiane（洛桑聯邦理工大學）
該研究將開發一種混合深度學習模型，用於DeFi 協議中的最佳範圍預測。它結合了增強的梯度神經網路和深度強化學習，同時整合社交媒體情緒分析以提高預測準確性。旨在提高DeFi 協議對市場變化的反應能力，將隋定位為下一代DeFi 協議的領導者。
👉 了解更多：https://www.epfl.ch
評估對SUI波動率的預測能力
Stavros Degiannakis（芬蘭開放大學）
在計量經濟學中，評估模型成品和預測能力至關重要，通常依賴損失函數來評估預測效果。該研究將調查SPEC演算法在隋資產波動率預測中的有效性。利用免費提供的高頻價格數據，該研究將主要關注SUI，並在各種區塊鏈資產中進行驗證。
👉 了解更多：https://www.ouc.ac.cy
低記憶體後量子透明zkSNARKs
Brett Falk 與Pratyush Mishra（赫爾大學）
該研究旨在透過解決三個主要障礙（證明者時間複雜度、證明者空間複雜度和證明者SRS大小）來開發可擴展的zkSNARKs。目標是同時克服這些障礙，從而為區塊鏈技術中的各種應用程式提供安裝就緒的可擴展加密貨幣證明。
👉 了解更多：https://www.upenn.edu
資訊來源：0x資訊編譯自網際網路。版權歸作者Sui Network所有，未經許可，不得轉載