Bagaimana Jika Inflasi Menyesuaikan Diri? Di Dalam Mesin Emisi $ROBO.
Sebagian besar model token memilih jadwal emisi tetap dan tetap dengan itu. Logikanya adalah prediktabilitas. Masalahnya adalah kekakuan.
Sebuah jaringan dalam fase bootstrap awalnya membutuhkan emisi agresif untuk menarik peserta. Tingkat emisi yang sama pada saat matang menjadi pengenceran murni. Jadwal tetap tidak dapat membedakan antara dua keadaan - mereka hanya terus mencetak dengan kecepatan yang sama terlepas dari apa yang sebenarnya dibutuhkan jaringan.
@Fabric Foundation mengambil pendekatan yang berbeda. Mesin emisi menyesuaikan penerbitan token secara otomatis berdasarkan dua sinyal waktu nyata - pemanfaatan jaringan dan kualitas layanan. Ketika pemanfaatan berjalan di bawah target, emisi meningkat untuk menarik lebih banyak pasokan. Ketika kualitas turun di bawah ambang batas, emisi menurun terlepas dari pemanfaatan. Kedua sinyal saling berinteraksi: pemanfaatan tinggi dengan kualitas layanan yang buruk tetap memicu pengurangan.
Sebuah pemutus sirkuit membatasi penyesuaian pada 5% per epoch, mencegah jenis lonjakan emisi cepat yang mengacaukan pasar token.
Saya menemukan parameter sensitivitas kualitas lebih menarik daripada yang pemanfaatan. Sebagian besar model emisi memberikan penghargaan pada skala. Yang ini secara eksplisit menghukum pertumbuhan yang datang dengan biaya standar layanan.
Secara pribadi, saya curiga bagaimana ini berperilaku selama uji stres jaringan besar pertama akan memberi tahu kita jauh lebih banyak daripada yang bisa dilakukan oleh kertas putih.
