Dynamic TẢO: Staking Linh Hoạt và Phân Phối Phần Thưởng

Dynamic TAO là một cải tiến đáng kể cho tokenomics và quản trị của Bittensor, được giới thiệu vào ngày 13 tháng 2 năm 2025, sau quá trình nghiên cứu và phát triển rộng lớn. Bản nâng cấp này phân tán mô hình kinh tế của mạng bằng cách gán cho mỗi mạng con một token duy nhất riêng biệt, được biết đến là một token alpha, hoạt động cùng với token TAO chính. Cấu trúc này cho phép mạng con quản lý nền kinh tế của họ, thúc đẩy sự chuyên môn hóa và tự chủ trong hệ sinh thái Bittensor.

Trong khuôn khổ TAO động, mỗi mạng con duy trì một dự trữ thanh khoản bao gồm TAO và các mã thông báo alpha tương ứng của nó. Người dùng có thể đặt cược TAO vào dự trữ của mạng con để nhận token alpha, "bỏ phiếu" hiệu quả cho giá trị và hiệu suất của mạng con. Tỷ giá hối đoái giữa mã thông báo TAO và alpha được xác định bởi tỷ lệ TAO so với alpha trong dự trữ, phản ánh đánh giá của thị trường về tiện ích và nhu cầu của mạng con.

Cơ chế phát hành dưới Dynamic TAO được thiết kế để phân phối phần thưởng một cách cân đối. Các token TAO được phát hành cho các mạng con dựa trên giá trị thị trường tương đối của token alpha của họ. Các mạng con có nhu cầu và thanh khoản cao hơn cho token alpha của họ sẽ nhận được một phần thưởng lớn hơn từ việc phát hành TAO, khuyến khích việc cung cấp dịch vụ có giá trị và thu hút người dùng. Ngoài ra, các mạng con phát hành token alpha riêng của họ theo một lịch trình giảm một nửa tương tự như TAO, đảm bảo việc tăng cung cấp token kiểm soát và dễ dự đoán.

Phân phối các token alpha trong một mạng con được cấu trúc để thưởng cho các bên tham gia khác nhau. Mỗi mạng con có thể phát hành tối đa một token alpha cho mỗi block, được phân bổ như sau: 18% cho chủ mạng con, 41% cho các validator và 41% cho các thợ đào.

Để ngăn chặn việc can thiệp tiềm năng vào giá token alpha, Dynamic TAO sử dụng mô hình người tạo thị trường tự động (AMM) sản phẩm không đổi. Trong hệ thống này, giao dịch lớn so với thanh khoản của pool sẽ dẫn đến chi phí trượt giá tăng lên, làm cho việc can thiệp vào giá kinh tế không khả thi. Ví dụ, mua một phần đáng kể của token alpha trong một pool sẽ tăng đáng kể giá của token, ngăn chặn những cố gắng làm tăng giả mạo hoặc giảm giá trị của token.

Bittensor sử dụng cơ chế Random Order Finalization để tăng cường sự công bằng trong xử lý giao dịch. Phương pháp này ngẫu nhiên hoá thứ tự các giao dịch trong mỗi khối, ngăn chặn các bên tham gia khỏi có lợi thế không công bằng thông qua các chiến lược như front-running. Kết quả là, tất cả các bên tham gia có cơ hội bình đẳng, và mạng lưới duy trì một sân chơi công bằng cho các giao dịch.

Mạng con Zero, còn được gọi là mạng con gốc, hoạt động một cách độc đáo trong cấu trúc Dynamic TAO. Nó không có mã thông báo alpha riêng và không tổ chức hoạt động khai thác hoặc xác thực. Tuy nhiên, người xác thực có thể đăng ký trên Mạng con Zero, và người giữ TAO có thể gửi cọc cho những người xác thực này, cho phép việc gửi cọc không phụ thuộc vào mạng con cụ thể, tạo điều kiện cho việc gửi cọc không phụ thuộc vào mạng con. Thiết kế này cung cấp sự linh hoạt cho người tham gia hỗ trợ mạng mà không bị ràng buộc vào một mạng con cụ thể, phù hợp với các chiến lược đa dạng và sở thích trong hệ sinh thái Bittensor.

Xác thực trong Bittensor: Xếp hạng Đóng góp AI

Người xác thực chịu trách nhiệm xem xét công việc của các mô hình AI và đảm bảo mạng lưới đền cho các đóng góp hữu ích. Họ hoạt động như người kiểm soát chất lượng, kiểm tra độ chính xác và giá trị của các phản hồi do AI tạo ra. Điểm số của họ xác định số lượng mã thông báo TAO mà mỗi người đóng góp AI kiếm được.

Để trở thành một validator, một người tham gia phải đáp ứng một số điều kiện. Đầu tiên, họ cần đăng ký và nhận một ID duy nhất trong mạng con mà họ muốn xác thực. Sau đó, họ phải đặt cọc ít nhất 1.000 token TAO và xếp hạng trong số 64 validator hàng đầu trong mạng con đó. Những điều kiện này giúp đảm bảo rằng chỉ có những validator cam kết và có khả năng mới tham gia.

Người xác minh có thể hoạt động trên nhiều mạng con nếu họ đáp ứng yêu cầu cho mỗi mạng. Họ cũng có khả năng thu hút người dùng khác đặt cược mã thông báo TAO thay mặt cho họ. Điều này có nghĩa là người xác minh thực hiện tốt và xây dựng niềm tin trong cộng đồng có thể nhận được sự hỗ trợ hơn từ các bên tham gia mạng khác.

Hệ thống khuyến khích người xác thực hành động một cách trung thực và hiệu quả. Nếu họ liên tục cung cấp đánh giá hữu ích, họ sẽ kiếm được nhiều phần thưởng TAO hơn. Nếu họ cố gắng thao túng hệ thống hoặc cung cấp đánh giá kém, họ đối diện nguy cơ mất phần thưởng.

Cơ chế Cam kết-Vạch trần: Đảm bảo Sự công bằng trong Hoạt động Mạng phụ

Bittensor sử dụng hệ thống cam kết để ngăn chặn các nhà xác minh sao chép điểm số của nhau thay vì thực hiện đánh giá độc lập. Khi điểm số của nhà xác minh quyết định số lượng token TAO mà các nhà đóng góp AI kiếm được, một số nhà xác minh có thể cố gắng tìm đường tắt bằng cách chờ xem người khác nộp trước khi tự nộp đánh giá của họ. Điều này có thể dẫn đến phần thưởng thiên vị hoặc không công bằng.

Để ngăn chặn điều này, mạng yêu cầu các nhà xác minh phải trước tiên nộp điểm của họ dưới dạng mã hóa, che giấu các đánh giá thực tế của họ. Sau đó, sau một thời gian chờ ngắn, họ phải tiết lộ các điểm thực sự mà họ đã gán. Do thời gian chờ này, các nhà xác minh không thể đơn giản là sao chép điểm của người khác. Điều này đảm bảo rằng tất cả các đánh giá đều độc lập và công bằng.

Hệ thống này cần được đồng bộ thời gian một cách cẩn thận. Nếu thời gian chờ quá ngắn, những người xác minh không trung thực vẫn có thể tìm cách gian lận. Nếu quá lâu, có thể làm chậm mạng. Bittensor cho phép chủ sở hữu mạng con đặt thời gian chờ phù hợp để hệ thống vẫn an toàn và hoạt động một cách mượt mà.

Quá trình cam kết-vạch mặt cũng liên quan đến cách mà các thành viên mới tham gia mạng lưới. Các mô hình AI và máy chủ xác minh mới được một khoảng thời gian ân hạn trước khi bị loại bỏ vì hiệu suất kém. Thời gian chờ đợi cho quá trình cam kết-vạch mặt luôn phải ngắn hơn khoảng thời gian ân hạn này, để các thành viên không bị loại bỏ một cách không công bằng trước khi điểm số của họ được tiết lộ.

Cân nặng Dựa trên Đồng thuận: Hệ thống Phần thưởng Minh bạch

Các trọng số dựa trên sự đồng thuận trong Bittensor xác định cách mà các nhà xác thực được thưởng cho việc đánh giá các mô hình AI của họ. Thay vì phụ thuộc vào một công thức cố định, hệ thống này liên tục điều chỉnh phản ứng với sự đánh giá tập thể của tất cả các nhà xác thực. Các nhà xác thực gán điểm, hoặc “trọng số,” cho các mô hình AI dựa trên hiệu suất của chúng. Đồng thuận mạng lưới rộng rãi càng cao, họ nhận được phần thưởng càng nhiều. Nếu một nhà xác thực liên tục gán điểm khác biệt so với sự đồng thuận, ảnh hưởng và phần thưởng của họ giảm. Điều này ngăn chặn đánh giá ngẫu nhiên hoặc thiên vị và đảm bảo rằng các mô hình AI hoạt động tốt nhất được xác định và được thưởng đúng mức.

Để hiểu hệ thống này, hãy tưởng tượng một bảng giám khảo đánh điểm cho một cuộc thi. Nếu hầu hết các giám khảo đánh giá một màn trình diễn cao điểm, nhưng một giám khảo đánh giá thấp một cách không lý do, ý kiến của họ được coi là không đáng tin cậy. Theo thời gian, giám khảo không đáng tin cậy này sẽ có ít ảnh hưởng hơn đến các điểm cuối cùng. Nguyên tắc tương tự cũng áp dụng cho người xác minh trong Bittensor. Nếu đánh giá của họ liên tục phù hợp với những gì đa số người xác minh có kinh nghiệm xác định là công bằng, họ duy trì ảnh hưởng mạnh mẽ và kiếm được phần thưởng cao hơn. Nếu họ cố gắng làm thay đổi kết quả hoặc liên tục đưa ra những đánh giá kém, trọng lượng của họ trong mạng sẽ giảm.

Trước đây, phần thưởng của người xác minh dựa vào một công thức kết hợp hiệu suất quá khứ và hiện tại, có nghĩa là một khi người xác minh thiết lập một hồ sơ tốt, họ có thể tiếp tục hưởng lợi từ nó ngay cả khi họ ngừng thực hiện đánh giá chất lượng cao. Phương pháp tiếp cận mới dựa trên sự đồng thuận thay thế điều này bằng cơ chế điều chỉnh thời gian thực. Hiệu quả của người xác minh không còn dựa trên dữ liệu lịch sử mà dựa trên tính chính xác của họ trong việc đánh giá mô hình trí tuệ nhân tạo hiện tại. Điều này tạo ra một hệ thống linh hoạt hơn, nơi người xác minh phải liên tục thực hiện tốt để duy trì phần thưởng của họ.

Một vấn đề có thể phát sinh trong một hệ thống như vậy là các bộ xác minh đơn giản chỉ sao chép đánh giá của nhau thay vì thực hiện phân tích của riêng mình. Để ngăn chặn điều này, Bittensor sử dụng một quy trình cam kết-phơi bày. Các bộ xác minh phải trước tiên nộp các đánh giá được mã hóa để giấu khỏi người khác. Sau một khoảng thời gian nhất định, những đánh giá này được tiết lộ. Điều này ngăn chặn các bộ xác minh từ việc đợi để xem người khác nói gì và sao chép phản hồi của họ, buộc họ phải thực hiện đánh giá độc lập. Cơ chế này giữ cho quá trình đánh giá công bằng và đảm bảo rằng phần thưởng được trao cho những người đã bỏ công sức thực sự thay vì những người cố gắng lừa đảo hệ thống.

Một khía cạnh quan trọng khác của hệ thống này là cách ảnh hưởng của người xác minh phát triển theo thời gian. Người xác minh “ràng buộc” với các mô hình AI mà họ tin là mạnh mẽ, và ràng buộc này tăng lên khi họ tiếp tục đưa ra các đánh giá chính xác. Sức mạnh của ràng buộc này xác định mức thu nhập mà một người xác minh kiếm được từ sự thành công của mô hình AI mà họ hỗ trợ. Nếu một người xác minh liên tục xác định các mô hình AI chất lượng cao vào sớm, thì phần thưởng của họ sẽ tăng lên theo thời gian khi những mô hình đó được công nhận. Tuy nhiên, nếu họ thường xuyên đánh giá chất lượng một cách sai lầm, thì ảnh hưởng của họ sẽ suy yếu và phần thưởng của họ sẽ giảm đi.

Chủ sở hữu mạng lưới con có quyền kiểm soát mức độ nghiêm ngặt hoặc linh hoạt của hệ thống này bằng cách điều chỉnh một cài đặt gọi là liquid_alpha_enabled. Cài đặt này điều khiển mức độ ảnh hưởng của người xác minh thay đổi như thế nào khi phản ứng với sự đồng thuận mạng. Nếu được thiết lập ở mức cao hơn, người xác minh thường xuyên khớp với sự đồng thuận sẽ nhanh chóng tăng ảnh hưởng, và những người lệch lạc sẽ mất ảnh hưởng nhanh hơn. Nếu được thiết lập ở mức thấp hơn, hệ thống sẽ tha thứ hơn, cho phép người xác minh có nhiều không gian hơn để phát triển quyết định của họ. Điều này cho chủ sở hữu mạng con có khả năng điều chỉnh sự công bằng và sự phản hồi của hệ thống theo nhu cầu cụ thể của họ.

Phương pháp này đảm bảo rằng các người xác minh nỗ lực và đưa ra đánh giá suy nghĩ sẽ được thưởng phù hợp. Thay vì một công thức cố định có thể bị lợi dụng hoặc lỗi thời, hệ thống thời gian thực này đảm bảo rằng phần thưởng dựa trên sự chính xác và sự tương tác liên tục. Các người xác minh cố gắng thao túng kết quả hoặc tìm đường tắt sẽ mất ảnh hưởng, trong khi những người cung cấp đánh giá hữu ích sẽ kiếm được nhiều hơn theo thời gian.

Nổi bật

• Dynamic TAO thay đổi cách mạng con được định giá bằng cách phân phối quyết định trên toàn bộ mạng lưới.
• Người xác minh kiểm tra chất lượng đầu ra của trí tuệ nhân tạo và ảnh hưởng đến cách thưởng TAO được phân phối.
• Commit-reveal ngăn chặn các thẩm định viên sao chép điểm số của nhau, đảm bảo đánh giá trung thực.
• Trọng số dựa trên sự đồng thuận cải thiện sự công bằng của phần thưởng của người xác minh bằng cách điều chỉnh xếp hạng trong thời gian thực.
• Những hệ thống này hoạt động cùng nhau để tạo ra một hệ sinh thái trí tuệ nhân tạo minh bạch, cạnh tranh và phi tập trung.