本文介紹了一項獲得2024年春季Token Engineering Commons資助的創新提案。提案旨在透過AI-agent探索不同PAMM和SAMM結合曲線的可能惡意策略，優化協議機制設計，降低代幣經濟安全風險。專案將利用Holobit工具進行建模，預計交付透明且可驗證的實驗模型。長期目標是推廣基於代理的建模與模擬方法，培養更多Token工程師，建構反脆弱且可持續的代幣生態系統。計畫的使命包括提供便利、教育、透明度和社區驅動，符合代幣工程的原則，促進代幣工程的發展與實踐。
Elaine, Jereyme｜作者
Sissi@TEDAO｜譯者
譯者導讀：
本譯本將介紹2024年春季Token Engineering Commons（簡稱「TEC」）資助的創新提案。 TEC是全球支持和推廣Token Engineering關鍵社群之一，致力於創建和維護一個永續的生態系統，並透過其論壇和其它資源為社區成員提供支援和協作平台。
: 此外，透過探索並因應不同的PAMM和SAMM結合曲線組合下潛在的惡意策略，專案旨在提升代幣系統經濟安全性。此外，我們也將推動代幣工程的普及與實踐，讓更多人能夠理解並參與這項前沿技術，為建構更永續的代幣生態系統道路。
1.項目詳情
1.1背景概述
結合曲線是代幣型態不可或缺的。它控制代幣價格波動、必要流動性、動態化代幣供應等方面發揮關鍵作用。透過追蹤代幣形態中多個元素的數學化，結合曲線也打開了代幣形態「工程控制」的大門。
早在2018 年，IncentiveAI 團隊就提出了將AI-agent 用於機制優化的理念，透過觀察貪婪機器學習代理的行為，識別系統部署到真實環境後用戶行為，透過比較真實行為與預期行為之間的差異來不斷優化機制設計。他們計算了這個理念應用於海洋協議的黏合曲線。然而成交量，能源最終並沒有規模落地，目前任何可供參考或運行的項目代碼。
自2023 年起，BCRG (Bonding Curve Research Group) 對bonding curve進行了較為全面的研究、開發、教育和應用，非常重要的PAMM （一級自動做市商）與SAMM （二級自動做市商）的bonding curve聯合研究上。但根據BCRG在Modeling & Simulating bond curves 中的描述，可能由於資源的限制，目前還沒有進入到惡意策略探索、滲透測試、假設分析等更深層的研究之中。
我們團隊長期致力於代幣工程領域的探索，致力於以基於代理的建模和模擬來解決複雜系統的設計與最佳化問題。
1.2項目簡介
在本提案中，我們旨在繼承Incentive AI 的理念，透過經學習訓練的AI-agent去探索不同的PAMM和SAMM綁定曲線組合，下擬採用的惡意策略，並透過進一步的比較分析與行為空間探索，尋找相對穩定與優選綁定曲線參數組合，以此不斷優化協議的機制設計，縮小預期行為與真實行為之間的差距，降低代幣經濟安全風險。
具體來講，在PAMM 綁定曲線的選擇上，我們選取峰值線性、指數、冪和Sigmoid 四個類型；在SAMM 綁定曲線的選擇上，我們選取峰值恆定乘積（如Uniswap）和混合型（如Curve）兩種類型，由此產生8 種PAMM 與SAMM 的組合方案。我們採用基於Agent 的建模與模擬的方法進行實驗，利用AI-Agent 探索提出方案的潛在惡意策略集合以及各自發生機率高低，並透過模擬結果Williams 展示的惡意策略對系統造成的後果，盡可能透過實驗探討相對科學的惡意攻擊因應策略與綁定曲線機制最佳化方案。
我們申請到了Holobit的高階帳號，將這款先進的建模模擬平台，全公開我們的模型搭建細節以及整個實驗過程。
可能的創新點
I.將強化學習引入Token Engineering，形成一套基於AI-agent和基於agent的建模與模擬的協議機制最佳化方法；
二.該計劃具有普適性，可落地，可重複使用，可共同促進整個經濟體經濟安全綠色援助；
III.得益於Holobit這強大的工具，本模型能夠被大眾讀懂、使用、可驗證。
計畫的短期目標
一、利用AI-agent探索不同PAMM和SAMM結合曲線組合下的一些惡意策略，辨識出機制組合下的可能風險，並探討出對應的風險因應策略與機制最佳化方案；
II.為鍵結曲線的發展提供一個相對科學的研究方法；
III.根據實驗結果，從結合曲線角度提出若干提高代幣體系經濟安全性的建議。
專案長期目標
透過結合人工智慧的基於代理的建模與模擬方法的普及與Token工程的推廣，使得人們都有可能成為Token工程師，從而「以社區驅動的方式去中心化地構建更加反脆弱和可持續的代幣生態系統」奠定堅實的基礎，進一步推廣Token工程，並加速其理論和實踐層面的推廣。
2. 預期成果
借助Holobit工具進行基於代理的建模，預計交付以下成果：
一個引入AI-agent的代幣經濟鏈下模擬模型，包含8種PAMM與SAMM組合的實驗方案。同時，模型完全透明，人人都能讀懂、會用、可驗證；
本文基於AI-Agent探索不同的PAMM與SAMM結合曲線組合下潛在的惡意攻擊策略實驗報告（包括建模流程、實驗內容、漏洞風險及最佳化方案）。
3. 使命和價值觀
便捷：Holobit 支援公開分享，且建模邏輯簡單，做到了圖形與直覺化，確保人都能閱讀、使用、可驗證。因此，本模型得以作為公共物品開放，所有人均可訪問與測試，如已經給出的Terra/LUNA星系案例。
教育：透過詳細模型和仿真教程，專案探索大眾的結合曲線的工作原理及其在代幣生態系統中的關鍵作用；透過基於Agent的建模與仿真，專案可以向大眾展示如何分析和處理複雜生態系統的動態關係和潛在風險。這種技能是廣泛適用的，也是研究代幣工程的關鍵技能，如果可以透過此模型將這套方法論與工具在社區中推廣普及，並進一步推動代幣工程的普及、發展與實踐應用。
透明度：只有大眾能讀懂才算真正的透明度，本模型不涉及程式碼，透過Holobit工具將建模機制和計算結果。透過建模與計算，不僅是將模型的透明度提高，還進一步將設計因素與投資者透明度結合起來，並給出了具體的修復模型。
社群驅動：社群可以分叉此模型進行複雜的過程，不限於黏合曲線，還可以用於治理、成長等研究。更重要的是，這套方法與工具還可以重複使用在其它協議上，每個人都可以在社區中公開自己的研究成果，披露某個代幣生態系統的漏洞與可優化之處，真正實現社區驅動的自監管。
與代幣工程的原則一致：當掌握這套方法和工具之後，人人可以基於這些技能去協議經濟發展安全審計。因此「去中心化地完成代幣工程」成為可能，我們可以匯集群體智慧的力量建構更反脆弱、可重複的代幣體系。
資訊來源：0x資訊編譯自網際網路。版權歸作者TEDAO所有，未經許可，不得轉載