DAOrayaki: 2차 금융 최적화, SGD를 사용하여 표시 원칙 실현(메커니즘 리소스 세트 포함)

원작자: 이더리움

원제: Quadratic Funding: SGD를 사용한 계시 원칙 구현

우리는 이 경우 좋은 그래픽 인터페이스를 사용하여 사용자에게 직접적인 대략적인 계시가 더 간단하므로 생산적인 조정 어려움과 비생산적인 조정 어려움 사이의 격차가 더욱 커진다고 주장합니다. Adam[5], Adagrad[6] 등과 같은 전역 최적화 알고리즘을 사용할 수 있지만 Critch 2022[4]와 Stochastic Gradient Descent(SGD)를 사용하는 전략 실행기를 참조하여 근사 추출 절차를 설명합니다. 그런 다음 계산 타당성과 정책 집행자를 신뢰할 수 없게 만들고 개인 정보를 유지하는 방법에 대해 논의합니다.

2차 금융 메커니즘의 배경과 관련 관행 및 연구에 대해 더 알고 싶다면 기사 끝에 있는 참고 자료를 참조할 수 있으며 DAOrayaki 분산 편집 위원회는 2차 메커니즘을 특별히 편집했습니다.

표준 QF 전략의 정보 문제

Buterin, Weyl 및 Hitzig(2018)[7]은 "동적 구현이 바람직할 가능성이 높다[...] 왜냐하면 최고의 기여는 여전히 다른 사람의 기여에 달려 있기 때문"이라고 말합니다. 즉, 다른 사람들은 내가 얼마나 기여했는지 모르면 내가 얼마나 기여했는지 알 수 없지만, 다른 사람들은 내가 얼마나 기여했는지 모르면 내가 얼마나 기여했는지 알 수 없습니다. 하지만 솔직히 저는 과제를 확인하고 조정하기 위해 자주 로그인하지 않습니다.

경기의 정적인 추정치를 단순히 제시하면 어떻게 되는지 살펴보겠습니다(잠재적으로 최종 경기가 왜곡될 수 있음). 각 항목은 $0의 정적 일치로 시작됩니다. 기부금을 받는 첫 번째 프로젝트는 예산의 100%로 고정 매치로 이동합니다. 이것은 시간이 지남에 따라 희석되지만 초기 효과가 너무 강해서 지속될 가능성이 있습니다.

직관적인 결론은 "선도자"가 공공재 결과에 불균형한 영향을 미친다는 것입니다(이는 UI 주문 등과 관련된 선점자 이점으로 인해 악화될 수 있음). Gitcoin [8]의 관련 데이터는 실제로 선점자 이점이 있을 수 있음을 예비적으로 보여줍니다(인과 관계가 있는지 여부는 추가 분석이 필요함).

"똑똑한" 견적을 내놓을 수 있습니까? 그러한 노력은 전체 정보 제약에 직면하거나 중앙 집중화에 대한 심각한 편견을 도입하거나 둘 다에 직면할 수 있습니다.

표시 원리

계시 원칙[9]은 모든 메커니즘 m1에 대해 에이전트의 기본 설정을 직접 요청하고 정책을 시행하는 "직접 메커니즘" m2가 있다고 명시합니다. m2가 m1보다 유용한지 여부는 기본 설정의 설명 길이에 따라 다릅니다(조합 경매를 예로 사용할 수 있습니다[10]. 일반적으로 직접적인 메커니즘은 원하지 않습니다). 여기 QF에서 전체 기본 설정 설명은 연속 함수입니다.

그러나 우리는 대략 1차원 또는 2차원의 일부 데이터 포인트에 대해 이 함수를 지정할 수 있습니다. 설명 길이가 늘어나므로 공동 효용을 고려하지 않는다는 점에 유의하십시오. 따라서 이는 상대적으로 독립적인 상품 또는 단일 상품의 게임에 더 적합합니다. (후속 기사 [11] 참조)

이끌어 냄

사용자 인터페이스(UI)를 개선할 수 있는 수많은 방법이 있지만 간단한 인터페이스는 사람들이 일부를 드래그 및/또는 입력하는 클릭/드래그 기반 인터페이스일 수 있습니다.

값. 또 다른 가능성은 사용자가 만족할 때까지 "대량 할인"에 입찰할 수 있는 "대량 가격" UI입니다. 우리는 또한 사용자가 프로젝트에 대해 우리에게 제공한 개인적인 가치보다 더 많이 지출하지 않을 것이라고 설명합니다. 그런 다음 일반적인 보간 방법[9] 중 하나를 사용하고 결과를 변환합니다.

전략 실행자에게 제출합니다. 주어진 프로젝트의 총 한계 효용 근사치가 에서 벗어나면 한계 사회적 이익(MSB)이 다른 프로젝트와 k만큼 다르기 때문에 해당 프로젝트는 자금이 부족하거나 초과될 수 있습니다. 점점 더 많은 사람들이 주어진 항목을 보고함에 따라 임의의 잘못된 근사값이 평균화될 것으로 예상합니다.

이 예는 일치 금액이 지속적으로 변경되기 때문에 사용자가 로그인할 때마다 표준 QF가 사용자의 입찰을 다시 쿼리한다는 아이디어를 얻는 데 도움이 됩니다. UI는 최소 입찰 세트에 대해 사전 쿼리합니다.

이 체계는 Critch 2022[9]에서 도입된 것과 유사하며, 휴리스틱 자체보다 토론 구성 요소가 더 중요함을 보여줍니다. Critch 2022는 일반적으로 참여도가 낮은 이기적인 에이전트의 바다가 아니라 세상 전체의 유용성을 나타내려고 노력하는 참여도가 높은 개인의 하위 집합을 전제로 합니다(효과적인 공공재 자금 조달 계획은 일부 속성을 가질 가능성이 있음에 유의하십시오. 전자의 경우, 투표권이 없는 사람들에게 혜택을 주는 프로젝트(예: 먼 미래의 시민 또는 그리 멀지 않은 미래 시민은 이타적이어야 하며 참여/헌신도 80/20[10] 규칙을 따릅니다). Critch의 요점은 이치에 맞지만 더 자세한 논의는 이 게시물의 범위를 벗어납니다.

최적화

사용자는 봇에 대한 일부 지불을 승인한 다음 경사 하강법을 실행하여 사용자가 할당을 자주 확인하고 조정하는 경우 수행할 수 있는 작업을 시뮬레이션합니다.

Buterin, Weyl 및 Hitzig(2018)도 오목하지 않은 유틸리티는 자연적이지만 시스템의 어트랙터를 비전역적으로 만든다(예: "콜드 스타트" 유틸리티 곡선 - 시각화 [11]). 따라서 SGD는 기울기 하강/글로벌 최적화의 확률적 변형을 사용하여 이득을 얻을 수 있다는 의미에서 상관 평형을 유도하기 위한 정책 수정으로도 사용할 수 있습니다[12].

메커니즘에서 블록체인-SGD-코디네이터를 사용하는 것은 암호화 경제 연구의 더 넓은 분야일 수 있습니다. 예를 들어 에이전트의 손실 함수 선택(예: 롤스 대 공리주의[13])은 선택한 균형[14]에 영향을 미칩니다(민속 정리[15]는 균형 선택이 많은 경우에 중요함을 보여줍니다). 설계자는 [16] 효율성 대 공정성, 위험 대 이익 등을 제어합니다. 자연스러운 질문은 사람들이 같은 게임(게임)의 서로 다른 코디네이터 사이에서 편을 선택할 때 메타게임이 발생하는지 여부입니다.

균형 선택 문제는 차원의 저주와 관련이 있습니다. 어트랙터의 수와 찾는 어려움은 사람의 수에 따라 극적으로 증가할 수 있습니다. 이 규모의 성공적인 최적화에는 다양한 최첨단 기술과 수동 튜닝이 포함될 수 있지만 현재 수천억 개 이상의 매개변수로 딥 러닝 모델을 최적화하고 있다는 사실에 안심하고 있습니다. 우리는 특히 공간이 실제로 오목하고 문제의 본질이 블랙 박스가 아니라는 점을 감안할 때 수천에서 수백만 건의 기여를 최적화하는 데 많은 문제가 있을 것으로 예상하지 않습니다. 우리는 시작점에 대해 교육적인 추측을 할 수 있습니다. 그러나 증명이 필요하자마자 계산 비용이 갑자기 높아집니다(이러한 제약 조건이 주어지면 가상화되지 않은 Cosmos[17] 블록체인의 합의 계층 계산은 충분히 확장할 수 있는 경우 사기 증명이 있을 수 있습니다. 아마도 덜 야심찬 시작점일 수 있습니다). 우리는 플레이어가 심리적으로 수행하는 경우 SGD 알고리즘이 직면하는 최적화 문제가 더 심각할 것임을 강조합니다(예: 플레이어가 가장 단순한 시나리오에서도 균형을 발견할 가능성이 적다고 주장합니다).

이산 최적화는 보고된 추정치의 선형 보간을 사용하는 경우 최적화를 제공할 수도 있습니다. 그라디언트를 따라 내려가는 대신 포인트 사이를 이동합니다.

상호 작용 복잡성

공공재의 속성은 모든 재화 i가 모든 참여자 j와 관련되어 있다는 것입니다. 따라서 시스템의 거래 비용은 X * Y * K이며, 여기서 X = 인구, Y = 공공재 옵션 수, K = 거래 비용입니다. 우리는 효용 곡선에 들어가는 K가 직접 기여 게임을 사용하는 K보다 낮고, UI 디자인이 괜찮고 병목 현상이 X*Y이면 K는 기본적으로 최소라고 주장합니다. 다운샘플링 X는 인센티브로 인해 실현 가능하지 않을 수 있는 반면, Y의 무작위 다운샘플링으로 인한 개선은 피어 리뷰, 검색 및 개인화된 권장 사항에서 올 수 있습니다.

동의, 무신뢰 및 프라이버시

우리는 로봇이 우리를 위해 돈을 쓰도록 권한을 부여하기 때문에 로봇이 옳은 일을 하도록 강제해야 합니다. 이것은 합의 및/또는 증명을 위한 사용 사례입니다(잠재적으로 비용이 많이 들지만 계산 비용에 대한 이전 참고 사항 참조).

입력 및 개별 할당을 비공개로 원할 수도 있습니다. SGD 접근 방식은 사실상 차등 프라이버시(동형 임계값 암호화[18]의 사용 사례임)에 더 적합합니다. 계산이 본질적으로 최대로 일괄 처리되기 때문입니다. 즉, 총 최종 분포는 끝까지 공개될 수 없습니다. 직접 기부의 경우 할당 추정치를 주기적으로 업데이트해야 하므로(기술적으로는 불가능하지만 그렇지 않으면 게임이 한 번의 기회가 되어 플레이할 수 없게 됨) 업데이트 빈도와 프라이버시 사이의 격차가 드러납니다. .

이러한 개인 정보 보호 기능을 고려할 때 MACI 익명화[19]를 다시 살펴보고 싶을 수 있습니다.

심리학

거대하고 부풀려진 경기를 보는 것이 QF에 참여하는 즐거움을 줄 것으로 예상되는 것은 기계 최적화의 잠재적 뒤틀림보다 더 가치가 있으며 기계공의 최적 최적화는 실제로 비현실적인 목표라고 주장할 수 있습니다. 예를 들어 "유틸리티"는 명확한 개념이 아닙니다. 메카닉의 매력 중 상당 부분이 실제로 게임 이론적인 효과가 아닌 심리적 효과인 경우 예상되는 경기를 보고할 수 있습니다(물론 이것은 앞서 언급한 업데이트 빈도 트레이드 오프를 다시 도입할 것입니다).

하이브리드 시스템

전통적인 QF 경험과 SGD 경험을 모두 가질 수 있습니다. 이 경우 SGD 프록시가 전통적인 행위자에게 정보를 전달하는 것이 도움이 될 것입니다. 이는 다시 업데이트 빈도의 트레이드 오프를 상기시킵니다.

고마워하는

참조

참조

1.DAOrayaki Podcast ｜2차 거버넌스 스케일의 실제 제약 및 솔루션 탐색

2. DAOrayaki ｜2차 거버넌스 규모의 절충

3. DAOrayaki｜2차 금융과 효과적인 이타주의

4. DAOrayaki ｜ 2차 금융을 위한 소셜 네트워크

5. DAOrayaki｜비화폐자본 펀딩 기반의 2차 신탁 모델

6. DAOrayaki ｜추첨에 의한 2차 투표

7. DAOrayaki ｜기본 선택에서 2차 투표로: 투표 목록

8. DAOrayaki｜2차 투표: 메커니즘 디자인이 민주주의를 급진화하는 방법

9. DAOrayaki｜2차 투표와 블록체인 거버넌스

10. DAOrayaki｜2차 투표와 공공재

11. Quadratic Funding V2 프로토콜: Sybil-Resistant, 공정하고 확장 가능한 온체인 Quadratic Voting

12. 누진세 제도로 2차 펀딩의 공정성 향상

13. Dora Factory Eric Zhang: 누진세 시스템을 사용하여 2차 자금 조달의 공정성 향상

14. Quadratic Funding의 공격과 방어

15. 사회적 실험 | 2차 투표와 해커톤이 만나면 커뮤니티 펀딩이 엄청난 에너지로 폭발합니다.

16. "급진적 시장"과 2차 투표 | 시장을 규제하기 위해 시장 자체를 사용

17. DAOrayaki｜Vitalik은 "자유 급진주의"3.5w 단어의 전문을 처음으로 제안하고 출판했습니다 [1 부]

18. DAOrayaki ｜ Vitalik은"자유주의적급진주의" 3.5w 단어[中]의전문을처음으로출판했습니다.

미주

미주

1. https://anvaka.github.io/fieldplay/?cx=0480000000000005&cy=3.0061&w=13.711400000000001&h=13.711400000000001&dt=0.01&fo=0.998&dp=0.009&cm=1&vf=%2F%2F%20alpha%20%3D%200.5%2C%20V_i%5Ep%28F_p%29%20%3D%20arctan%28F_p%29%0Avec2%20get_velocity%28vec2%20p%29%20%

2. https://anvaka.github.io/fieldplay/?cx=9.78905&cy=7.32765&w=32.5177&h=32.5177&dt=0.01&fo=0.998&dp=0.009&cm=1&vf=%2F%2F%20Prisoner%27s%20Dilemma%3A%20alpha%20%3D%200.5%2C%20V_i%5Ep%28F_p%29%20%3D%20F_p%20%2F%202%0Avec2%20get_velocity%28vec2%20p%29%20%7B%0A%

3. https://www.wolframalpha.com/input?i=3d+plot+0.5%280.5%28sqrt%28x%29+%2B+sqrt%28y%29%29%5E2+%2B+0.5x%29+-+x+and+0.5%280.5%28sqrt%28x%29+%2B+sqrt%28y%29%29%5E2+%2B+0.5y%29+-+y%2C+x+from+0+to+1%2C+y+from+0+to+1

4. https://www.youtube.com/watch?v=yDJ5KiZx7Yw

5. https://optimization.cbe.cornell.edu/index.php?title=Adam

6. https://optimization.cbe.cornell.edu/index.php?title=AdaGrad

7. https://arxiv.org/abs/1809.06421

8. https://gov.gitcoin.co/t/improving-grant-matching-estimates-during-the-round/7809/3

9. https://www.youtube.com/watch?v=yDJ5KiZx7Yw

10. https://en.wikipedia.org/wiki/Pareto_principle

11. https://anvaka.github.io/fieldplay/?cx=9.78415&cy=6.979699999999999&w=32.5079&h=32.5079&dt=0.01&fo=0.998&dp=0.009&cm=1&vf=%2F%2F%20alpha%20%3D%201.%2C%20V_i%5Ep%28F_p%29%20%3D%205%28arctan%28F_p%20-%2010%29%20-%20arctan%28-10%29%29%0Avec2%20get_velocity%28

12. https://en.wikipedia.org/wiki/Correlated_equilibrium

13. https://ocw.mit.edu/courses/14-01-principles-of-microeconomics-fall-2018/88b8835701f40269b3fb5b5e537179a3_MIT14_01F18_lec18_25.pdf

14. https://en.wikipedia.org/wiki/Equilibrium_selection

15. https://en.wikipedia.org/wiki/Folk_theorem_(game_theory)

16. https://www.goodreads.com/quotes/82034-he-who-controls-the-spice-controls-the-universe

17. https://docs.cosmos.network/main/intro/overview.html

18. https://protocol.penumbra.zone/main/crypto/flow-encryption/threshold-encryption.html

19. https://ethresear.ch/t/maci-anonymization-using-rerandomizable-encryption/7054

20. https://ethresear.ch/t/quadratic-funding-optimal-incremental-revelation-for-the-multi-good-case/13109