DAOrayaki: Tối ưu hóa tài chính bậc hai, sử dụng SGD để thực hiện nguyên tắc hiển thị (với bộ tài nguyên cơ chế)
Tác giả gốc: Ethereum
Tựa gốc: Kinh phí bậc hai: Thực hiện nguyên tắc khải thị dùng SGD
Chúng tôi lập luận rằng trong trường hợp này, với giao diện đồ họa tốt, việc tiết lộ gần đúng trực tiếp sẽ đơn giản hơn đối với người dùng, do đó làm tăng thêm khoảng cách giữa độ khó phối hợp hiệu quả và không hiệu quả. Chúng tôi mô tả một quy trình suy luận gần đúng, tham khảo Critch 2022 [4] và một trình thực thi chiến lược sử dụng hệ số giảm độ dốc ngẫu nhiên (SGD), mặc dù chúng tôi có thể sử dụng bất kỳ thuật toán tối ưu hóa toàn cầu nào, chẳng hạn như Adam [5], Adagrad[6], v.v. Sau đó, chúng tôi thảo luận về tính khả thi của tính toán và cách làm cho những người thực thi chính sách trở nên không tin cậy và/hoặc duy trì quyền riêng tư.
Nếu bạn muốn biết thêm về nền tảng của cơ chế tài chính bậc hai cũng như các thực tiễn và nghiên cứu liên quan, bạn có thể tham khảo tài liệu tham khảo ở cuối bài viết và ban biên tập phi tập trung DAOrayaki đã biên soạn đặc biệt cơ chế bậc hai.
Những thách thức về thông tin trong các chiến lược QF tiêu chuẩn
Buterin, Weyl và Hitzig (2018) [7] tuyên bố rằng "việc triển khai năng động có thể được mong muốn [...] vì đóng góp tốt nhất vẫn sẽ phụ thuộc vào đóng góp của những người khác". Nói cách khác, tôi không biết những người khác đã đóng góp bao nhiêu trừ khi tôi biết họ đã đóng góp bao nhiêu, nhưng những người khác không biết tôi đã đóng góp bao nhiêu trừ khi họ biết tôi đã đóng góp bao nhiêu. Nhưng thú thật là tôi không mấy khi đăng nhập để kiểm tra và điều chỉnh bài tập.
Hãy minh họa điều gì sẽ xảy ra nếu chúng ta chỉ trình bày một ước tính tĩnh về kết quả khớp (có khả năng làm sai lệch kết quả khớp cuối cùng). Mỗi mục sẽ bắt đầu với một kết quả khớp tĩnh là $0. Dự án đầu tiên nhận được khoản đóng góp sẽ chuyển sang một trận đấu tĩnh với 100% ngân sách. Điều này giảm dần theo thời gian, nhưng hiệu ứng ban đầu mạnh đến mức nó có khả năng tồn tại, tức là những người tham gia bị "lôi kéo" sẽ không thực sự kiểm tra lại và bỏ học.
Kết luận trực quan là "người đi trước" có ảnh hưởng không tương xứng đến kết quả của hàng hóa công cộng (điều này có thể trở nên trầm trọng hơn bởi những lợi thế của người đi đầu liên quan đến thứ tự giao diện người dùng, v.v.). Dữ liệu liên quan của Gitcoin [8] sơ bộ cho thấy rằng thực sự có thể có lợi thế của người đi trước (liệu có mối quan hệ nhân quả hay không cần phân tích thêm).
Chúng ta có thể đưa ra một ước tính "thông minh" không? Những nỗ lực như vậy có thể phải đối mặt với những hạn chế về thông tin đầy đủ, gây ra sự thiên vị nghiêm trọng đối với việc tập trung hóa hoặc cả hai.
nguyên tắc hiển thị
Nguyên tắc Khải huyền [9] phát biểu rằng đối với bất kỳ cơ chế m1 nào cũng có một "cơ chế trực tiếp" m2 hỏi trực tiếp các sở thích của tác nhân và thực thi chính sách cho họ. Việc m2 có hữu ích hơn m1 hay không tùy thuộc vào độ dài mô tả của tùy chọn (có thể sử dụng đấu giá kết hợp làm ví dụ [10], chúng tôi thường không muốn có một cơ chế trực tiếp). Ở đây trong QF, mô tả tùy chọn đầy đủ là một hàm liên tục
; tuy nhiên, chúng ta có thể chỉ định chức năng này xấp xỉ cho một số điểm dữ liệu trong một hoặc hai chiều. Lưu ý rằng chúng tôi không xem xét tiện ích chung, vì điều này sẽ làm tăng độ dài mô tả; do đó, điều này áp dụng nhiều hơn cho các trò chơi về hàng hóa tương đối độc lập hoặc hàng hóa đơn lẻ. (Xem bài tiếp theo [11])
Sự khám phá
Chúng tôi có vô số cách để cải thiện giao diện người dùng (UI), nhưng một giao diện đơn giản có thể là giao diện dựa trên nhấp/kéo nơi mọi người kéo và/hoặc nhập một số
giá trị. Một khả năng khác là giao diện người dùng "giá số lượng lớn" nơi người dùng có thể đặt giá thầu cho "giảm giá số lượng lớn" của chúng tôi cho đến khi họ hài lòng. Chúng tôi cũng giải thích với người dùng rằng họ sẽ không bao giờ chi nhiều hơn mức định giá cá nhân mà họ đưa ra cho chúng tôi cho một dự án. Sau đó, chúng tôi sẽ sử dụng bất kỳ phương pháp nội suy phổ biến nào [9] và chuyển đổi kết quả
Đệ trình cho người thực hiện chiến lược. Lưu ý rằng nếu ước tính tổng tiện ích cận biên của một dự án nhất định sai lệch so với , thì dự án đó có thể bị thiếu vốn hoặc thừa vốn, vì lợi ích xã hội cận biên (MSB) sẽ khác k so với các dự án khác. Chúng tôi hy vọng số liệu ước tính sai ngẫu nhiên sẽ ở mức trung bình khi ngày càng có nhiều người báo cáo một mặt hàng nhất định.
Ví dụ này giúp bạn hình dung rằng QF tiêu chuẩn sẽ truy vấn lại giá thầu của người dùng mỗi khi người dùng đăng nhập vì số tiền đối sánh liên tục thay đổi. Truy vấn trước giao diện người dùng cho một nhóm giá thầu tối thiểu.
Sơ đồ này tương tự như sơ đồ được giới thiệu trong Critch 2022 [9], sơ đồ này cũng cho thấy rằng thành phần thảo luận quan trọng hơn bản thân phương pháp phỏng đoán. Lưu ý rằng Critch 2022 thường giả định trước một nhóm nhỏ các cá nhân có mức độ tham gia cao đang cố gắng đại diện cho lợi ích của thế giới nói chung, thay vì một biển các tác nhân ích kỷ ít tham gia hơn (lưu ý rằng bất kỳ chương trình tài trợ hàng hóa công hiệu quả nào cũng có thể có một số đặc tính của cái trước, vì các dự án mang lại lợi ích cho những người không phải là cử tri (ví dụ: công dân tương lai ở xa hoặc thậm chí không quá xa cần phải có lòng vị tha và sự tham gia/cống hiến cũng tuân theo quy tắc 80/20[10]). Điểm của Critch có ý nghĩa, mặc dù thảo luận thêm nằm ngoài phạm vi của bài đăng này.
tối ưu hóa
Người dùng sẽ ủy quyền một số khoản thanh toán cho bot, bot này sau đó sẽ chạy giảm dần độ dốc, mô phỏng những gì người dùng có thể làm nếu họ thường xuyên kiểm tra và điều chỉnh phân bổ.
Buterin, Weyl và Hitzig (2018) cũng chỉ ra rằng tiện ích không lõm là tự nhiên nhưng làm cho các điểm thu hút của hệ thống trở nên phi toàn cầu (ví dụ: đường cong tiện ích "bắt đầu nguội" - trực quan hóa [11]). Do đó, SGD cũng có thể được sử dụng như một sửa đổi chính sách để tạo ra các cân bằng tương quan theo nghĩa là chúng ta có thể đạt được lợi ích bằng cách sử dụng một biến thể ngẫu nhiên của tối ưu hóa toàn cầu/giảm dần độ dốc [12].
Việc sử dụng các điều phối viên blockchain-SGD trong các cơ chế có thể là một lĩnh vực nghiên cứu kinh tế tiền điện tử rộng lớn hơn. Ví dụ: sự lựa chọn hàm mất mát của tác nhân (ví dụ: Rawls vs. Utilitarianism [13]) ảnh hưởng đến trạng thái cân bằng mà nó chọn [14] (Định lý Dân gian [15] cho thấy rằng sự lựa chọn trạng thái cân bằng là quan trọng trong nhiều trường hợp), Điều này có thể cho phép nhà thiết kế để kiểm soát [16] hiệu quả so với công bằng, rủi ro so với lợi ích, v.v. Một câu hỏi tự nhiên là liệu siêu trò chơi có phát sinh khi mọi người chọn phe giữa những người điều phối khác nhau của cùng một trò chơi (trò chơi) hay không.
Vấn đề lựa chọn cân bằng có liên quan đến lời nguyền của tính chiều—số lượng điểm thu hút và độ khó tìm thấy chúng có thể tăng lên đáng kể cùng với số lượng người. Chúng tôi cảm thấy an tâm bởi thực tế là chúng tôi hiện đang tối ưu hóa các mô hình học sâu với hơn hàng trăm tỷ tham số, mặc dù việc tối ưu hóa thành công ở quy mô này có thể cần đến nhiều kỹ thuật tiên tiến và điều chỉnh thủ công. Chúng tôi không mong đợi có nhiều vấn đề khi tối ưu hóa qua hàng nghìn đến hàng triệu đóng góp, đặc biệt nếu không gian thực sự lõm và do bản chất của vấn đề không phải là hộp đen, chúng tôi có thể đưa ra những phỏng đoán có cơ sở về điểm bắt đầu. Tuy nhiên, ngay khi chúng ta cần bằng chứng, việc tính toán đột nhiên trở nên đắt đỏ (với những hạn chế như vậy, tính toán lớp đồng thuận của các chuỗi khối Cosmos [17] không được ảo hóa—có thể có bằng chứng gian lận nếu chúng mở rộng quy mô đủ tốt—Có thể là một điểm khởi đầu ít tham vọng hơn). Chúng tôi nhấn mạnh rằng bất kỳ thách thức tối ưu hóa nào mà thuật toán SGD gặp phải sẽ nghiêm trọng hơn nếu người chơi thực hiện theo tâm lý (ví dụ: chúng tôi lập luận rằng người chơi ít có khả năng khám phá ra trạng thái cân bằng ngay cả trong các tình huống đơn giản nhất).
Tối ưu hóa rời rạc cũng có thể cung cấp tối ưu hóa nếu chúng ta sử dụng phép nội suy tuyến tính của các ước tính được báo cáo. Thay vì giảm dần dọc theo gradient, chúng ta di chuyển giữa các điểm.
Độ phức tạp của tương tác
Thuộc tính của hàng hóa công cộng là mọi hàng hóa i đều liên quan đến mọi người tham gia j. Do đó, chi phí giao dịch của hệ thống là X * Y * K, trong đó X = dân số, Y = số lượng lựa chọn hàng hóa công cộng và K = chi phí giao dịch. Chúng tôi lập luận rằng K đi vào đường cong tiện ích thấp hơn K khi sử dụng trò chơi đóng góp trực tiếp và K về cơ bản là tối thiểu nếu thiết kế giao diện người dùng ổn và nút cổ chai là X*Y. Việc lấy mẫu xuống X có thể không khả thi do các biện pháp khuyến khích, trong khi những cải tiến từ việc lấy mẫu xuống ngẫu nhiên của Y có thể đến từ đánh giá ngang hàng, tìm kiếm và các đề xuất được cá nhân hóa.
Đồng ý, không tin cậy và quyền riêng tư
Bởi vì chúng ta trao quyền cho robot tiêu tiền cho chúng ta, chúng ta phải buộc robot làm điều đúng đắn. Đây là trường hợp sử dụng cho sự đồng thuận và/hoặc bằng chứng (mặc dù có thể tốn kém, xem lưu ý trước về chi phí tính toán).
Chúng tôi cũng có thể muốn các bài tập đầu vào và cá nhân là riêng tư. Cách tiếp cận SGD thực sự phù hợp hơn với quyền riêng tư khác biệt (là trường hợp sử dụng cho mã hóa ngưỡng đồng hình [18]), do bản chất tính toán được xử lý theo lô tối đa, tức là tổng phân phối cuối cùng không thể được tiết lộ cho đến khi kết thúc. Trong trường hợp đóng góp trực tiếp, chúng tôi sẽ phải cập nhật định kỳ ước tính phân bổ (về mặt kỹ thuật, điều này không thể thực hiện được, nhưng nếu không, trò chơi sẽ trở thành trò chơi chỉ có một lần và do đó không thể chơi được), điều này làm lộ khoảng cách giữa tần suất cập nhật và quyền riêng tư. .
Với khả năng bảo mật này, chúng tôi có thể muốn xem lại việc ẩn danh MACI [19].
tâm lý
Người ta có thể lập luận rằng việc xem một trận đấu lớn và/hoặc thổi phồng được dự kiến sẽ mang lại cho một người niềm vui khi tham gia vào QF đáng giá hơn là sự sai lệch tiềm năng của tối ưu hóa cơ học và/hoặc Tối ưu hóa tối ưu của cơ chế là một mục tiêu không thực tế trong thực tế (vì ví dụ, "tiện ích" không phải là một khái niệm rõ ràng). Nếu phần lớn sự hấp dẫn của cơ chế thực sự là do hiệu ứng tâm lý hơn là lý thuyết trò chơi, thì chúng tôi vẫn có thể báo cáo các trận đấu dự kiến (tất nhiên, điều này sẽ giới thiệu lại sự đánh đổi tần suất cập nhật đã đề cập trước đó).
hệ thống hỗn hợp
Có thể có cả trải nghiệm QF truyền thống và trải nghiệm SGD. Trong trường hợp này, sẽ rất hữu ích nếu các proxy SGD truyền tải thông tin đến các tác nhân truyền thống, điều này một lần nữa nhắc nhở chúng ta về sự đánh đổi của tần suất cập nhật.
tri ân
người giới thiệu
người giới thiệu
1.DAOrayaki Podcast ｜Các ràng buộc thực tế và khám phá giải pháp của quy mô quản trị bậc hai
2. DAOrayaki ｜Sự đánh đổi của quy mô quản trị bậc hai
3. DAOrayaki｜Tài chính bậc hai và lòng vị tha hiệu quả
4. DAOrayaki ｜ Mạng xã hội kiếm tiền bậc hai
5. DAOrayaki｜Một mô hình ủy thác bậc hai dựa trên tài trợ vốn phi tiền tệ
6. DAOrayaki ｜Xổ số bầu chọn bậc hai
7. DAOrayaki ｜Từ lựa chọn mặc định đến bình chọn bậc hai: Danh sách bình chọn
8. DAOrayaki｜Bỏ phiếu bậc hai: Cách thiết kế cơ chế cực đoan hóa nền dân chủ
9. DAOrayaki｜Biểu quyết bậc hai và quản trị chuỗi khối
10. DAOrayaki｜Biểu quyết bậc hai và hàng hóa công cộng
11. Giao thức cấp vốn bậc hai V2: Bỏ phiếu bậc hai trên chuỗi có khả năng chống Sybil, công bằng và có thể mở rộng
12. Hệ thống thuế lũy tiến cải thiện tính công bằng của tài trợ bậc hai
14. Tấn công và bảo vệ quỹ bậc hai
15. Thử nghiệm xã hội | Hãy để tài trợ cộng đồng bùng nổ với năng lượng khổng lồ, khi bỏ phiếu bậc hai đáp ứng hackathon
16. "Thị trường cấp tiến" và biểu quyết bậc hai | dùng chính thị trường để điều tiết thị trường
chú thích cuối
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%
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%
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
https://www.youtube.com/watch?v=yDJ5KiZx7Yw
https://optimization.cbe.cornell.edu/index.php?title=Adam
https://optimization.cbe.cornell.edu/index.php?title=AdaGrad
https://arxiv.org/abs/1809.06421
https://gov.gitcoin.co/t/improving-grant-matching-estimates-during-the-round/7809/3
https://www.youtube.com/watch?v=yDJ5KiZx7Yw
https://en.wikipedia.org/wiki/Pareto_principle
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
https://en.wikipedia.org/wiki/Correlated_equilibrium
https://ocw.mit.edu/courses/14-01-principles-of-microeconomics-fall-2018/88b8835701f40269b3fb5b5e537179a3_MIT14_01F18_lec18_25.pdf
https://en.wikipedia.org/wiki/Equilibrium_selection
https://en.wikipedia.org/wiki/Folk_theorem_(game_theory)
https://www.goodreads.com/quotes/82034-he-who-controls-the-spice-controls-the-universe
https://docs.cosmos.network/main/intro/overview.html
https://protocol.penumbra.zone/main/crypto/flow-encryption/threshold-encryption.html
https://ethresear.ch/t/maci-anonymization-using-rerandomizable-encryption/7054
https://ethresear.ch/t/quadratic-funding-optimal-incremental-revelation-for-the-multi-good-case/13109
