Dynamic TAO: Staking Adaptativo e Distribuição de Recompensas

O Dynamic TAO é um aprimoramento significativo da tokenomics e governança da Bittensor, introduzido em 13 de fevereiro de 2025, após extensa pesquisa e desenvolvimento. Esta atualização descentraliza o modelo econômico da rede atribuindo a cada sub-rede o seu próprio token único, conhecido como token alfa, que opera em conjunto com o token TAO principal. Esta estrutura permite que as sub-redes gerenciem suas próprias economias, promovendo a especialização e autonomia dentro do ecossistema Bittensor.

No quadro dinâmico TAO, cada sub-rede mantém uma reserva de liquidez composta por TAO e os respetivos tokens alfa. Os utilizadores podem apostar TAO na reserva de uma sub-rede para receber tokens alfa, efetivamente “votando” no valor e desempenho da sub-rede. A taxa de câmbio entre TAO e tokens alfa é determinada pela proporção de TAO para alfa na reserva, refletindo a avaliação do mercado da utilidade e procura da sub-rede.

O mecanismo de emissão sob o Dynamic TAO é projetado para distribuir recompensas de maneira equilibrada. Os tokens do TAO são emitidos para sub-redes com base no valor de mercado relativo de seus tokens alfa. Sub-redes com maior demanda e liquidez para seus tokens alfa recebem uma parcela maior das emissões de TAO, incentivando a prestação de serviços valiosos e a atração de usuários. Além disso, as sub-redes emitem seus próprios tokens alfa a uma taxa que segue um cronograma de redução pela metade semelhante ao TAO, garantindo um crescimento controlado e previsível do fornecimento de tokens.

A distribuição de tokens alfa dentro de uma sub-rede é estruturada para recompensar vários participantes. Cada sub-rede pode emitir até um token alfa por bloco, que é alocado da seguinte forma: 18% para o proprietário da sub-rede, 41% para validadores e 41% para mineiros.

Para evitar a manipulação potencial dos preços do token alfa, a Dynamic TAO emprega um modelo de fabricante de mercado automatizado de produto constante (AMM). Neste sistema, grandes negociações em relação à liquidez da pool resultam em custos de deslizamento aumentados, tornando a manipulação de preços economicamente inviável. Por exemplo, comprar uma parte significativa dos tokens alfa em uma pool aumentaria substancialmente o preço do token, dissuadindo tentativas de inflar ou desinflar artificialmente os valores dos tokens.

Bittensor utiliza um mecanismo de Finalização de Ordem Aleatória para melhorar a equidade no processamento de transações. Esta abordagem randomiza a ordem das transações dentro de cada bloco, impedindo que os intervenientes obtenham uma vantagem injusta através de táticas como o front-running. Como resultado, todos os participantes têm uma oportunidade igual, e a rede mantém um campo de jogo nivelado para as transações.

O Subnet Zero, também conhecido como o subnet raiz, opera de forma única dentro da estrutura Dynamic TAO. Não tem seu próprio token alfa e não hospeda atividades de mineração ou validação. No entanto, os validadores podem registrar-se no Subnet Zero, e os detentores de TAO podem apostar nesses validadores, permitindo a aposta sem se ligar a um subnet específico. Este design proporciona flexibilidade para os participantes apoiarem a rede sem estarem vinculados a um subnet específico, acomodando estratégias e preferências diversas dentro do ecossistema Bittensor.

Validação no Bittensor: Classificação das Contribuições de IA

Os validadores são responsáveis por rever o trabalho dos modelos de IA e garantir que a rede recompense contribuições úteis. Eles atuam como controladores de qualidade, verificando a precisão e o valor das respostas geradas pela IA. Suas pontuações determinam quantos tokens TAO cada contribuidor de IA ganha.

Para se tornar um validador, um participante deve cumprir algumas condições. Primeiro, eles precisam se registrar e obter um ID único na sub-rede que desejam validar. Em seguida, eles devem apostar pelo menos 1.000 tokens TAO e estar entre os 64 principais validadores nessa sub-rede. Essas condições ajudam a garantir que apenas validadores comprometidos e capazes participem.

Os validadores podem trabalhar em várias sub-redes se cumprirem os requisitos para cada uma. Eles também têm a opção de atrair outros utilizadores para apostar tokens TAO em seu nome. Isto significa que os validadores que se saem bem e constroem confiança na comunidade podem receber mais apoio de outros participantes da rede.

O sistema incentiva os validadores a agirem de forma honesta e eficiente. Se fornecerem consistentemente avaliações úteis, ganham mais recompensas TAO. Se tentarem manipular o sistema ou fornecerem avaliações inadequadas, correm o risco de perder recompensas.

Mecanismo de Compromisso-Revelação: Garantir a Justiça nas Operações de Subrede

O Bittensor utiliza um sistema de compromisso-revelação para impedir que os validadores copiem as pontuações uns dos outros em vez de fazerem avaliações independentes. Uma vez que as pontuações dos validadores determinam quantos tokens TAO os contribuidores de IA ganham, alguns validadores podem tentar atalhos ao esperar para ver o que os outros submetem antes de submeterem as suas próprias avaliações. Isso poderia levar a recompensas tendenciosas ou injustas.

Para impedir isso, a rede exige que os validadores primeiro enviem suas pontuações de forma criptografada, o que oculta suas avaliações reais. Em seguida, após um curto período de espera, eles devem revelar as pontuações reais que atribuíram. Devido a esse atraso de tempo, os validadores não podem simplesmente copiar as pontuações de outra pessoa. Isso garante que todas as avaliações sejam independentes e justas.

Este sistema precisa de ser temporizado com cuidado. Se o período de espera for muito curto, os validadores desonestos ainda podem encontrar maneiras de enganar. Se for muito longo, pode abrandar a rede. A Bittensor permite que os proprietários da sub-rede definam o atraso apropriado para que o sistema permaneça seguro enquanto funciona sem problemas.

O processo de commit-reveal também está ligado à forma como novos participantes se juntam à rede. Os novos modelos de IA e validadores têm um período de carência antes de serem removidos por baixo desempenho. O tempo de espera para commit-reveal deve ser sempre mais curto do que este período de carência, para que os participantes não sejam injustamente removidos antes de os seus scores serem revelados.

Pesos Baseados em Consenso: Um Sistema de Recompensas Transparente

Os pesos baseados em consenso no Bittensor determinam como os validadores são recompensados pelas suas avaliações dos modelos de IA. Em vez de depender de uma fórmula fixa, este sistema ajusta-se continuamente em resposta ao julgamento coletivo de todos os validadores. Os validadores atribuem pontuações, ou "pesos," aos modelos de IA com base no seu desempenho. Quanto mais as suas avaliações se alinharem com o consenso da rede mais ampla, mais recompensas recebem. Se um validador atribuir consistentemente classificações que diferem significativamente do consenso, a sua influência e recompensas diminuem. Isto desencoraja avaliações aleatórias ou tendenciosas e garante que os melhores modelos de IA sejam identificados de forma precisa e devidamente recompensados.

Para entender este sistema, imagine um painel de juízes a pontuar uma competição. Se a maioria dos juízes der uma pontuação alta a uma atuação, mas um juiz der uma pontuação muito mais baixa sem motivo, a sua opinião é considerada menos confiável. Com o tempo, este juiz não confiável terá menos influência sobre as pontuações finais. O mesmo princípio aplica-se aos validadores no Bittensor. Se as suas avaliações corresponderem consistentemente ao que a maioria dos validadores experientes determina como justo, mantêm uma influência forte e ganham recompensas mais elevadas. Se tentarem manipular resultados ou tomarem decisões consistentemente pobres, o seu peso na rede diminui.

Anteriormente, as recompensas do validador eram baseadas numa fórmula que combinava o desempenho passado e presente, o que significava que uma vez que um validador estabelecesse um bom histórico, poderia continuar a beneficiar disso mesmo se deixasse de fazer avaliações de alta qualidade. A nova abordagem baseada no consenso substitui isso por um mecanismo de ajuste em tempo real. A eficácia de um validador já não se baseia apenas em dados históricos, mas sim em quão precisamente avaliam modelos de IA no presente. Isto cria um sistema mais dinâmico onde os validadores devem consistentemente ter um bom desempenho para manter as suas recompensas.

Um problema que poderia surgir num sistema como este é os validadores simplesmente copiarem as avaliações uns dos outros em vez de fazerem a sua própria análise. Para evitar isso, o Bittensor utiliza um processo de compromisso-revelação. Os validadores devem primeiro submeter avaliações encriptadas que estão ocultas dos outros. Após um período definido, essas avaliações são reveladas. Isto impede os validadores de esperarem para ver o que os outros dizem e copiarem as suas respostas, obrigando-os a fazer avaliações independentes. Este mecanismo mantém o processo de avaliação justo e garante que as recompensas vão para aqueles que realmente se esforçam em vez daqueles que tentam ludibriar o sistema.

Outro aspecto importante deste sistema é como a influência do validador cresce ao longo do tempo. Os validadores "vinculam-se" aos modelos de IA em que acreditam ser fortes, e esse vínculo aumenta à medida que continuam a fazer avaliações corretas. A força desse vínculo determina quanto um validador ganha com o sucesso do modelo de IA que apoiam. Se um validador identificar consistentemente cedo modelos de IA de alta qualidade, suas recompensas se acumularão ao longo do tempo à medida que esses modelos ganham reconhecimento. No entanto, se julgarem frequentemente mal a qualidade, sua influência enfraquece e suas recompensas diminuem.

Os proprietários da sub-rede têm controlo sobre o quão rígido ou flexível é este sistema ao ajustar uma definição chamada liquide_alpha_ativadoEsta definição controla o quanto a influência de um validador muda em resposta ao consenso da rede. Se definido para um nível mais alto, os validadores que frequentemente estão de acordo com o consenso ganham influência mais rapidamente, e aqueles que se desviam perdem influência mais rapidamente. Se definido para um nível mais baixo, o sistema é mais tolerante, permitindo aos validadores mais espaço para desenvolver o seu julgamento. Isto dá aos proprietários de sub-redes a capacidade de ajustar a equidade e a capacidade de resposta do sistema de acordo com as necessidades da sua sub-rede específica.

Esta abordagem garante que os validadores que se esforçam e fazem avaliações ponderadas sejam recompensados adequadamente. Em vez de uma fórmula fixa que possa ser explorada ou desatualizada, este sistema em tempo real garante que as recompensas sejam baseadas na precisão e no envolvimento contínuos. Os validadores que tentam manipular os resultados ou tomar atalhos perdem influência, enquanto aqueles que fornecem avaliações úteis ganham mais ao longo do tempo.

Destaque

• O Dynamic TAO altera a forma como as sub-redes são valorizadas, distribuindo a tomada de decisão por toda a rede.
• Os validadores verificam a qualidade das saídas de IA e influenciam a forma como as recompensas TAO são distribuídas.
• O compromisso-revelação impede que os validadores copiem as pontuações uns dos outros, garantindo avaliações honestas.
• Os pesos baseados no consenso melhoram a justiça das recompensas dos validadores ajustando as classificações em tempo real.
• Estes sistemas trabalham juntos para criar um ecossistema de IA transparente, competitivo e descentralizado.