Dynamic TAO: Staking Adaptativo e Distribuição de Recompensas

O Dynamic TAO é uma melhoria significativa na tokenômica e governança da Bittensor, introduzida em 13 de fevereiro de 2025, após extensa pesquisa e desenvolvimento. Esta atualização descentraliza o modelo econômico da rede atribuindo a cada sub-rede seu próprio token único, conhecido como token alfa, que opera ao lado do token TAO principal. Essa estrutura permite que as sub-redes gerenciem suas próprias economias, promovendo a especialização e autonomia dentro do ecossistema Bittensor.

No framework Dynamic TAO, cada sub-rede mantém uma reserva de liquidez composta por TAO e seus respectivos tokens alfa. Os usuários podem apostar TAO em uma reserva de 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 demanda da sub-rede.

O mecanismo de emissão sob o Dynamic TAO é projetado para distribuir recompensas de forma equilibrada. Tokens TAO são emitidos para sub-redes com base no valor de mercado relativo de seus tokens alfa. Sub-redes com maior demanda e liquidez por 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 no 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 mineradores.

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

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

Subnet Zero, também conhecido como a subnet raiz, opera de forma única dentro da estrutura Dynamic TAO. Não possui seu próprio token alfa e não hospeda atividades de mineração ou validação. No entanto, validadores podem se registrar na Subnet Zero, e detentores de TAO podem apostar nesses validadores, permitindo apostas agnósticas à subnet. Este design oferece flexibilidade para os participantes apoiarem a rede sem estarem vinculados a uma subnet específica, acomodando estratégias e preferências diversas dentro do ecossistema Bittensor.

Validação no Bittensor: Classificação das Contribuições de IA

Os validadores são responsáveis por revisar 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 contribuinte de IA ganha.

Para se tornar um validador, um participante deve cumprir algumas condições. Primeiro, eles precisam se registrar e obter um ID único dentro da 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.

Validadores podem trabalhar em várias sub-redes se cumprirem os requisitos para cada uma. Eles também têm a opção de atrair outros usuários para apostar tokens TAO em seu nome. Isso 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 eles fornecerem consistentemente avaliações úteis, eles ganham mais recompensas TAO. Se tentarem manipular o sistema ou fornecerem avaliações ruins, correm o risco de perder recompensas.

Mecanismo de Compromisso-Revelação: Garantindo 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. Como as pontuações dos validadores determinam quantos tokens TAO os contribuintes de IA ganham, alguns validadores podem tentar atalhos esperando para ver o que os outros enviam antes de enviar suas próprias avaliações. Isso poderia levar a recompensas tendenciosas ou injustas.

Para impedir isso, a rede exige que os validadores enviem primeiro 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 ser cronometrado com cuidado. Se o período de espera for muito curto, os validadores desonestos ainda podem encontrar maneiras de trapacear. Se for muito longo, pode retardar a rede. O Bittensor permite que os proprietários de sub-redes definam o atraso apropriado para que o sistema permaneça seguro e funcione sem problemas.

O processo de commit-reveal também está ligado à forma como novos participantes se juntam à rede. 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 removidos injustamente antes que suas pontuações sejam reveladas.

Pesos Baseados em Consenso: Um Sistema de Recompensa Transparente

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

Para entender este sistema, imagine um painel de juízes pontuando uma competição. Se a maioria dos juízes der a uma performance uma pontuação alta, mas um juiz der uma pontuação muito mais baixa sem motivo, sua opinião é considerada menos confiável. Com o tempo, esse juiz não confiável terá menos influência sobre as pontuações finais. O mesmo princípio se aplica aos validadores no Bittensor. Se suas avaliações consistentemente coincidirem com o que a maioria dos validadores experientes determina como justo, eles mantêm forte influência e ganham recompensas mais altas. Se eles tentarem manipular os resultados ou fazer julgamentos consistentemente ruins, seu peso na rede diminui.

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

Um problema que pode surgir em um sistema como este é que os validadores simplesmente copiem as avaliações uns dos outros em vez de fazerem sua própria análise. Para evitar isso, o Bittensor usa um processo de compromisso-revelação. Os validadores devem primeiro enviar avaliações criptografadas que estão ocultas dos outros. Após um período determinado, essas avaliações são reveladas. Isso impede que os validadores esperem para ver o que os outros dizem e copiem suas respostas, forçando-os a fazer avaliações independentes. Esse mecanismo mantém o processo de avaliação justo e garante que as recompensas vão para aqueles que realmente se esforçam, em vez daqueles que tentam manipular o sistema.

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

Os proprietários da sub-rede têm controle sobre o quão rigoroso ou flexível é este sistema ajustando uma configuração chamadaliquide_alpha_habilitado. Essa configuração 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 correspondem ao 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 que os validadores tenham mais espaço para desenvolver seu julgamento. Isso dá aos proprietários de sub-redes a capacidade de ajustar a justiça e a capacidade de resposta do sistema de acordo com as necessidades de sua sub-rede específica.

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

Destaques

• O Dynamic TAO muda a forma como as sub-redes são valorizadas, distribuindo a tomada de decisão por toda a rede.
• Validadores verificam a qualidade das saídas de IA e influenciam como as recompensas do TAO são distribuídas.
• Commit-reveal impede que os validadores copiem as pontuações uns dos outros, garantindo avaliações honestas.
• Pesos baseados em consenso melhoram a justiça das recompensas do validador ajustando as classificações em tempo real.
• Esses sistemas trabalham juntos para criar um ecossistema de IA transparente, competitivo e descentralizado.