Bittensor 的核心特性
本模塊介紹了構成 Bittensor 運作機制的關鍵組成部分。內容涵蓋 Dynamic TAO，它優化了子網的價值評估方式；驗證者的角色，他們負責審核 AI 的貢獻；以及 commit-reveal 機制，用於防止不誠實的驗證行為。同時還探討了基於共識的權重系統，確保依據表現公平分配獎勵。
Dynamic TAO：自適應質押與獎勵分配機制
Dynamic TAO 是 Bittensor 在代幣經濟和治理機制上的一次重大升級，於 2025 年 2 月 13 日在經過深入研發後正式推出。該升級通過為每個子網引入獨立的代幣——稱為 alpha 代幣——與主代幣 TAO 並行運作，從而實現網絡經濟模型的去中心化。這一架構使各子網能夠獨立管理其經濟系統，推動 Bittensor 生態系統內的專業化與自治發展。
在 Dynamic TAO 框架中，每個子網維護一個由 TAO 和其對應的 alpha 代幣組成的流動性儲備。用戶可以將 TAO 質押至某個子網的儲備中，以換取 alpha 代幣，這一過程相當於“投票”認可該子網的價值與表現。TAO 與 alpha 代幣之間的兌換比率由儲備中兩者的數量比例決定，反映出市場對該子網效用和需求的評估。
Dynamic TAO 的發行機制旨在實現獎勵的平衡分配。TAO 代幣的發放依據各子網 alpha 代幣的市場相對價值進行分配。對於 alpha 代幣需求與流動性較高的子網，將分配更多 TAO 獎勵，從而激勵其提供高價值服務並吸引用戶。同時，各子網還會以類似 TAO 的減半節奏發行自身的 alpha 代幣，以確保代幣供應的增長穩定且可預測。
在子網內部，alpha 代幣的分配結構設計旨在激勵多方參與。每個子網每個區塊最多可發行一個 alpha 代幣，其分配方式為：18% 分配給子網所有者，41% 分配給驗證者，41% 分配給礦工。
為防止 alpha 代幣價格遭受操控，Dynamic TAO 採用恆定乘積自動化做市商（AMM）模型。在該機制下，相對於資金池規模的大額交易會導致較高的滑點成本，從而使操縱價格在經濟上變得不可行。舉例來說，若有人試圖在池中購買大量 alpha 代幣，代幣價格將顯著上升，從而抑制了人為炒高或壓低價格的行為。
Bittensor 引入了隨機排序確認（Random Order Finalization）機制，以提升交易處理的公平性。該機制會對每個區塊中的交易順序進行隨機化，防止某些參與者通過搶先交易（front-running）等方式獲取不正當優勢。由此，所有參與者均能享有公平機會，網絡整體也保持了交易環境的公正性。
Subnet Zero，也被稱為根子網，在 Dynamic TAO 架構中具有特殊的地位。它沒有獨立的 alpha 代幣，也不承載挖礦或驗證操作。但驗證者可以在根子網中註冊，TAO 持有者也可以質押至這些驗證者，實現與具體子網無關的質押方式。該設計為網絡參與者提供了更高的靈活性，使他們無需綁定至特定子網，便可支持整個網絡，從而適配 Bittensor 生態中多元化的策略與偏好。
Validation in Bittensor：對 AI 貢獻進行排名
驗證者負責審核 AI 模型的工作成果，確保網絡能夠獎勵有價值的貢獻。他們扮演質量審查員的角色，評估 AI 生成內容的準確性和實用性。驗證者打出的分數決定了每位 AI 貢獻者能獲得多少 TAO 代幣。
要成為驗證者，參與者必須滿足若干條件。首先，他們需在所選子網內完成註冊並獲得唯一 ID。隨後，必須質押至少 1,000 枚 TAO，並在該子網內躋身前 64 名驗證者。設定這些條件旨在確保只有投入度高、能力強的驗證者能參與其中。
驗證者若符合各子網的要求，可在多個子網中開展工作。他們還可以吸引其他用戶代為質押 TAO，這意味著表現優異、在社區中贏得信任的驗證者能夠獲得更多網絡參與者的支持。
該系統鼓勵驗證者誠實高效地執行職責。如果他們持續提供有價值的評估，將獲得更多 TAO 獎勵；反之，若試圖操控系統或提交劣質評價，則可能面臨獎勵減少的風險。
Commit-Reveal 機制：確保子網操作的公平性
Bittensor 採用 commit-reveal 機制，防止驗證者抄襲他人評分而非進行獨立評估。由於驗證者的評分直接決定了 AI 貢獻者的 TAO 獎勵，一些驗證者可能會想投機取巧，通過等待他人提交評分後再進行跟隨提交，從而擾亂公平性。
為防止此類行為，網絡要求驗證者首先以加密形式提交評分，從而隱藏實際評分內容。在短暫的等待期後，他們必須公開已分配的真實分數。由於存在時間延遲，驗證者無法簡單抄襲他人的評分，從而確保所有評分是獨立且公正的。
此機制的時機安排必須精確。如果等待時間太短，不誠實的驗證者仍可能找到作弊方式；若過長，則可能影響網絡運行效率。Bittensor 允許子網所有者設定合適的延遲，以在保證系統安全的同時維持流暢運行。
Commit-reveal 過程還與新參與者加入網絡的方式相關聯。新加入的 AI 模型和驗證者在表現不佳被移除前會有一個寬限期。commit-reveal 的等待時間必須始終短於此寬限期，確保參與者在其評分被揭示前不會被不公正地移除。
Consensus-Based Weights：透明的獎勵機制
在 Bittensor 中，基於共識的權重機制決定了驗證者因評估 AI 模型而獲得的獎勵。該機制不依賴固定公式，而是根據所有驗證者的集體判斷動態調整。驗證者會根據 AI 模型的表現打分，這些分數被稱為“權重”。驗證者的評分越貼近整體網絡的共識，他們獲得的獎勵就越多；反之，若評分經常偏離共識，其影響力和獎勵都會下降。這種機制有效抑制了隨意或偏頗的評分，確保表現最佳的 AI 模型能夠被準確識別並獲得應有獎勵。
為了更好地理解該系統，可以將其類比為一組評委在為比賽打分。如果多數評委打出高分，而某位評委無故打出低分，那麼這位評委的評分就會被視為不可靠。隨著時間推移，他對最終評分的影響力會不斷降低。在 Bittensor 中也同樣如此：若驗證者的評估結果長期與大多數有經驗的驗證者趨於一致，他們就能保持較強影響力並獲得更多獎勵；而若試圖操縱評分或持續做出錯誤判斷，其網絡權重將逐漸下降。
以往，驗證者的獎勵依據結合歷史和當前表現的公式進行計算。這意味著一旦建立了良好記錄，即便後續評估質量下降，驗證者仍能繼續獲利。而如今，基於共識的機制用實時調整方式取代了這一模式。驗證者的有效性不再僅由過往表現決定，而是取決於其當前對 AI 模型的評估是否準確。這種機制構建了一個更具動態性的系統，要求驗證者持續輸出優質評估，方能維持自身收益。
在這樣的系統下，可能會出現驗證者互相抄襲評分、逃避獨立評估的現象。為防止這種行為，Bittensor 引入了 commit-reveal 機制。驗證者需先提交加密後的評分，在一段設定時間後才公開。這一機制防止驗證者等待他人提交後再照搬評分，從而強制他們進行獨立判斷。這種設計保障了評估過程的公正性，也確保獎勵歸屬於真正付出努力的驗證者，而非試圖投機取巧者。
系統的另一關鍵要素是驗證者影響力隨時間的增長機制。驗證者會與他們認為優秀的 AI 模型建立“綁定”關係，隨著持續做出正確評估，這種綁定關係將逐步增強。綁定強度決定了驗證者從所支持模型的成功中獲得的收益。如果驗證者能夠持續在早期識別出高質量模型，其獎勵將隨著這些模型獲得認可而逐步累積；反之，若頻繁誤判，影響力將減弱，收益也會隨之減少。
子網所有者可通過調整名為 liquid_alpha_enabled 的設置來控制系統的鬆緊程度。該參數決定驗證者的影響力在響應網絡共識時變化的速度。若設置較高，頻繁與共識一致的驗證者將更快提升影響力，而偏離共識的驗證者會更快失去影響力；若設置較低，則系統更為寬容，允許驗證者有更大空間去培養判斷力。這一機制賦予子網所有者靈活性，可根據子網需求細化系統的公平性與響應能力。
該機制確保了那些認真評估、深思熟慮的驗證者能夠獲得合理回報。相比容易被濫用或過時的固定公式，這一實時系統確保獎勵始終基於持續的準確性與參與度。那些試圖操控系統或走捷徑的驗證者將逐漸失去影響力，而真正提供高質量評估的驗證者則能獲得長期回報。
亮點
- Dynamic TAO 通過將決策權分散至整個網絡，重塑了子網的價值評估機制。
- 驗證者審核 AI 輸出質量，並決定 TAO 獎勵的分配方式。
- Commit-reveal 防止驗證者互相抄襲評分，保障評估過程的誠實性。
- 基於共識的權重機制通過實時排名調整，提高驗證者獎勵的公平性。
- 各項機制協同運作，共同構建了一個透明、競爭性強、去中心化的 AI 生態系統。
Bittensor 的核心特性
本模塊介紹了構成 Bittensor 運作機制的關鍵組成部分。內容涵蓋 Dynamic TAO，它優化了子網的價值評估方式；驗證者的角色，他們負責審核 AI 的貢獻；以及 commit-reveal 機制，用於防止不誠實的驗證行為。同時還探討了基於共識的權重系統，確保依據表現公平分配獎勵。
Dynamic TAO：自適應質押與獎勵分配機制
Dynamic TAO 是 Bittensor 在代幣經濟和治理機制上的一次重大升級，於 2025 年 2 月 13 日在經過深入研發後正式推出。該升級通過為每個子網引入獨立的代幣——稱為 alpha 代幣——與主代幣 TAO 並行運作，從而實現網絡經濟模型的去中心化。這一架構使各子網能夠獨立管理其經濟系統，推動 Bittensor 生態系統內的專業化與自治發展。
在 Dynamic TAO 框架中，每個子網維護一個由 TAO 和其對應的 alpha 代幣組成的流動性儲備。用戶可以將 TAO 質押至某個子網的儲備中，以換取 alpha 代幣，這一過程相當於“投票”認可該子網的價值與表現。TAO 與 alpha 代幣之間的兌換比率由儲備中兩者的數量比例決定，反映出市場對該子網效用和需求的評估。
Dynamic TAO 的發行機制旨在實現獎勵的平衡分配。TAO 代幣的發放依據各子網 alpha 代幣的市場相對價值進行分配。對於 alpha 代幣需求與流動性較高的子網，將分配更多 TAO 獎勵，從而激勵其提供高價值服務並吸引用戶。同時，各子網還會以類似 TAO 的減半節奏發行自身的 alpha 代幣，以確保代幣供應的增長穩定且可預測。
在子網內部，alpha 代幣的分配結構設計旨在激勵多方參與。每個子網每個區塊最多可發行一個 alpha 代幣，其分配方式為：18% 分配給子網所有者，41% 分配給驗證者，41% 分配給礦工。
為防止 alpha 代幣價格遭受操控，Dynamic TAO 採用恆定乘積自動化做市商（AMM）模型。在該機制下，相對於資金池規模的大額交易會導致較高的滑點成本，從而使操縱價格在經濟上變得不可行。舉例來說，若有人試圖在池中購買大量 alpha 代幣，代幣價格將顯著上升，從而抑制了人為炒高或壓低價格的行為。
Bittensor 引入了隨機排序確認（Random Order Finalization）機制，以提升交易處理的公平性。該機制會對每個區塊中的交易順序進行隨機化，防止某些參與者通過搶先交易（front-running）等方式獲取不正當優勢。由此，所有參與者均能享有公平機會，網絡整體也保持了交易環境的公正性。
Subnet Zero，也被稱為根子網，在 Dynamic TAO 架構中具有特殊的地位。它沒有獨立的 alpha 代幣，也不承載挖礦或驗證操作。但驗證者可以在根子網中註冊，TAO 持有者也可以質押至這些驗證者，實現與具體子網無關的質押方式。該設計為網絡參與者提供了更高的靈活性，使他們無需綁定至特定子網，便可支持整個網絡，從而適配 Bittensor 生態中多元化的策略與偏好。
Validation in Bittensor：對 AI 貢獻進行排名
驗證者負責審核 AI 模型的工作成果，確保網絡能夠獎勵有價值的貢獻。他們扮演質量審查員的角色，評估 AI 生成內容的準確性和實用性。驗證者打出的分數決定了每位 AI 貢獻者能獲得多少 TAO 代幣。
要成為驗證者，參與者必須滿足若干條件。首先，他們需在所選子網內完成註冊並獲得唯一 ID。隨後，必須質押至少 1,000 枚 TAO，並在該子網內躋身前 64 名驗證者。設定這些條件旨在確保只有投入度高、能力強的驗證者能參與其中。
驗證者若符合各子網的要求，可在多個子網中開展工作。他們還可以吸引其他用戶代為質押 TAO，這意味著表現優異、在社區中贏得信任的驗證者能夠獲得更多網絡參與者的支持。
該系統鼓勵驗證者誠實高效地執行職責。如果他們持續提供有價值的評估，將獲得更多 TAO 獎勵；反之，若試圖操控系統或提交劣質評價，則可能面臨獎勵減少的風險。
Commit-Reveal 機制：確保子網操作的公平性
Bittensor 採用 commit-reveal 機制，防止驗證者抄襲他人評分而非進行獨立評估。由於驗證者的評分直接決定了 AI 貢獻者的 TAO 獎勵，一些驗證者可能會想投機取巧，通過等待他人提交評分後再進行跟隨提交，從而擾亂公平性。
為防止此類行為，網絡要求驗證者首先以加密形式提交評分，從而隱藏實際評分內容。在短暫的等待期後，他們必須公開已分配的真實分數。由於存在時間延遲，驗證者無法簡單抄襲他人的評分，從而確保所有評分是獨立且公正的。
此機制的時機安排必須精確。如果等待時間太短，不誠實的驗證者仍可能找到作弊方式；若過長，則可能影響網絡運行效率。Bittensor 允許子網所有者設定合適的延遲，以在保證系統安全的同時維持流暢運行。
Commit-reveal 過程還與新參與者加入網絡的方式相關聯。新加入的 AI 模型和驗證者在表現不佳被移除前會有一個寬限期。commit-reveal 的等待時間必須始終短於此寬限期，確保參與者在其評分被揭示前不會被不公正地移除。
Consensus-Based Weights：透明的獎勵機制
在 Bittensor 中，基於共識的權重機制決定了驗證者因評估 AI 模型而獲得的獎勵。該機制不依賴固定公式，而是根據所有驗證者的集體判斷動態調整。驗證者會根據 AI 模型的表現打分，這些分數被稱為“權重”。驗證者的評分越貼近整體網絡的共識，他們獲得的獎勵就越多；反之，若評分經常偏離共識，其影響力和獎勵都會下降。這種機制有效抑制了隨意或偏頗的評分，確保表現最佳的 AI 模型能夠被準確識別並獲得應有獎勵。
為了更好地理解該系統，可以將其類比為一組評委在為比賽打分。如果多數評委打出高分，而某位評委無故打出低分，那麼這位評委的評分就會被視為不可靠。隨著時間推移，他對最終評分的影響力會不斷降低。在 Bittensor 中也同樣如此：若驗證者的評估結果長期與大多數有經驗的驗證者趨於一致，他們就能保持較強影響力並獲得更多獎勵；而若試圖操縱評分或持續做出錯誤判斷，其網絡權重將逐漸下降。
以往，驗證者的獎勵依據結合歷史和當前表現的公式進行計算。這意味著一旦建立了良好記錄，即便後續評估質量下降，驗證者仍能繼續獲利。而如今，基於共識的機制用實時調整方式取代了這一模式。驗證者的有效性不再僅由過往表現決定，而是取決於其當前對 AI 模型的評估是否準確。這種機制構建了一個更具動態性的系統，要求驗證者持續輸出優質評估，方能維持自身收益。
在這樣的系統下，可能會出現驗證者互相抄襲評分、逃避獨立評估的現象。為防止這種行為，Bittensor 引入了 commit-reveal 機制。驗證者需先提交加密後的評分，在一段設定時間後才公開。這一機制防止驗證者等待他人提交後再照搬評分，從而強制他們進行獨立判斷。這種設計保障了評估過程的公正性，也確保獎勵歸屬於真正付出努力的驗證者，而非試圖投機取巧者。
系統的另一關鍵要素是驗證者影響力隨時間的增長機制。驗證者會與他們認為優秀的 AI 模型建立“綁定”關係，隨著持續做出正確評估，這種綁定關係將逐步增強。綁定強度決定了驗證者從所支持模型的成功中獲得的收益。如果驗證者能夠持續在早期識別出高質量模型，其獎勵將隨著這些模型獲得認可而逐步累積；反之，若頻繁誤判，影響力將減弱，收益也會隨之減少。
子網所有者可通過調整名為 liquid_alpha_enabled 的設置來控制系統的鬆緊程度。該參數決定驗證者的影響力在響應網絡共識時變化的速度。若設置較高，頻繁與共識一致的驗證者將更快提升影響力，而偏離共識的驗證者會更快失去影響力；若設置較低，則系統更為寬容，允許驗證者有更大空間去培養判斷力。這一機制賦予子網所有者靈活性，可根據子網需求細化系統的公平性與響應能力。
該機制確保了那些認真評估、深思熟慮的驗證者能夠獲得合理回報。相比容易被濫用或過時的固定公式，這一實時系統確保獎勵始終基於持續的準確性與參與度。那些試圖操控系統或走捷徑的驗證者將逐漸失去影響力，而真正提供高質量評估的驗證者則能獲得長期回報。
亮點
- Dynamic TAO 通過將決策權分散至整個網絡，重塑了子網的價值評估機制。
- 驗證者審核 AI 輸出質量，並決定 TAO 獎勵的分配方式。
- Commit-reveal 防止驗證者互相抄襲評分，保障評估過程的誠實性。
- 基於共識的權重機制通過實時排名調整，提高驗證者獎勵的公平性。
- 各項機制協同運作，共同構建了一個透明、競爭性強、去中心化的 AI 生態系統。