Dynamic TAO: Staking Adaptativo y Distribución de Recompensas

Dynamic TAO es una mejora significativa para la tokenómica y gobernanza de Bittensor, introducida el 13 de febrero de 2025, después de una extensa investigación y desarrollo. Esta actualización descentraliza el modelo económico de la red asignando a cada subred su propio token único, conocido como token alfa, que opera junto al token TAO primario. Esta estructura permite a las subredes gestionar sus propias economías, fomentando la especialización y autonomía dentro del ecosistema de Bittensor.

En el marco de Dynamic TAO, cada subred mantiene una reserva de liquidez que comprende TAO y sus respectivos tokens alfa. Los usuarios pueden apostar TAO en la reserva de una subred para recibir tokens alfa, efectivamente "votando" por el valor y rendimiento de la subred. La tasa de cambio entre TAO y tokens alfa es determinada por la proporción de TAO a alfa en la reserva, reflejando la evaluación del mercado sobre la utilidad y demanda de la subred.

El mecanismo de emisión bajo Dynamic TAO está diseñado para distribuir recompensas de manera equilibrada. Los tokens TAO se emiten a subredes en función del valor de mercado relativo de sus tokens alfa. Las subredes con una mayor demanda y liquidez para sus tokens alfa reciben una mayor parte de las emisiones de TAO, lo que incentiva la provisión de servicios valiosos y la atracción de usuarios. Además, las subredes emiten sus propios tokens alfa a un ritmo que sigue un programa de reducción a la mitad similar a TAO, lo que garantiza un crecimiento controlado y predecible del suministro de tokens.

La distribución de tokens alfa dentro de una subred está estructurada para recompensar a varios participantes. Cada subred puede emitir hasta un token alfa por bloque, que se asigna de la siguiente manera: 18% al propietario de la subred, 41% a los validadores y 41% a los mineros.

Para evitar la manipulación potencial de los precios de los tokens alfa, Dynamic TAO emplea un modelo de creador de mercado automatizado (AMM) de producto constante. En este sistema, las grandes operaciones en relación con la liquidez del pool resultan en costos de deslizamiento aumentados, lo que hace que la manipulación de precios sea económicamente inviable. Por ejemplo, la compra de una parte significativa de los tokens alfa en un pool aumentaría sustancialmente el precio del token, disuadiendo los intentos de inflar o desinflar artificialmente los valores de los tokens.

Bittensor utiliza un mecanismo de Finalización de Orden Aleatorio para mejorar la equidad en el procesamiento de transacciones. Este enfoque aleatoriza el orden de las transacciones dentro de cada bloque, evitando que los actores obtengan una ventaja injusta a través de tácticas como el front-running. Como resultado, todos los participantes tienen una oportunidad igual y la red mantiene un campo de juego nivelado para las transacciones.

Subnet Zero, también conocido como el subred raíz, opera de manera única dentro de la estructura Dynamic TAO. No tiene su propio token alfa y no alberga actividades de minería o validación. Sin embargo, los validadores pueden registrarse en Subnet Zero, y los titulares de TAO pueden apostar a estos validadores, lo que permite apostar sin importar la subred. Este diseño proporciona flexibilidad para que los participantes apoyen la red sin estar vinculados a una subred específica, lo que permite acomodar estrategias y preferencias diversas dentro del ecosistema de Bittensor.

Validación en Bittensor: Clasificación de las Contribuciones de IA

Los validadores son responsables de revisar el trabajo de los modelos de IA y asegurarse de que la red recompense las contribuciones útiles. Actúan como controladores de calidad, verificando la precisión y el valor de las respuestas generadas por IA. Sus puntuaciones determinan cuántos tokens TAO gana cada contribuyente de IA.

Para convertirse en un validador, un participante debe cumplir algunas condiciones. En primer lugar, necesitan registrarse y obtener un ID único dentro de la subred que desean validar. Luego, deben apostar al menos 1.000 tokens TAO y clasificar entre los 64 principales validadores en esa subred. Estas condiciones ayudan a garantizar que solo participen validadores comprometidos y capaces.

Los validadores pueden trabajar en múltiples subredes si cumplen con los requisitos para cada una. También tienen la opción de atraer a otros usuarios para apostar tokens TAO en su nombre. Esto significa que los validadores que se desempeñan bien y generan confianza en la comunidad pueden recibir más apoyo de otros participantes de la red.

El sistema anima a los validadores a actuar honesta y eficientemente. Si consistentemente proporcionan evaluaciones útiles, ganan más recompensas TAO. Si intentan manipular el sistema o proporcionar evaluaciones deficientes, arriesgan perder recompensas.

Mecanismo de compromiso y revelación: garantizando la equidad en las operaciones de subred

Bittensor utiliza un sistema de compromiso-revelación para evitar que los validadores copien las puntuaciones de los demás en lugar de realizar evaluaciones independientes. Dado que las puntuaciones de los validadores determinan cuántos tokens TAO ganan los colaboradores de IA, algunos validadores podrían intentar tomar atajos esperando a ver qué envían los demás antes de enviar sus propias evaluaciones. Esto podría llevar a recompensas sesgadas o injustas.

Para detener esto, la red requiere que los validadores primero envíen sus puntuaciones en forma encriptada, lo que oculta sus evaluaciones reales. Luego, después de un breve período de espera, deben revelar las puntuaciones reales que asignaron. Debido a este retraso temporal, los validadores no pueden simplemente copiar las puntuaciones de otra persona. Esto garantiza que todas las evaluaciones sean independientes y justas.

Este sistema debe ser cuidadosamente cronometrado. Si el período de espera es demasiado corto, los validadores deshonestos aún podrían encontrar formas de hacer trampa. Si es demasiado largo, podría ralentizar la red. Bittensor permite a los propietarios de subredes establecer el retraso apropiado para que el sistema permanezca seguro mientras funciona sin problemas.

El proceso de compromiso-revelación también está vinculado a la forma en que los nuevos participantes se unen a la red. Los nuevos modelos de IA y validadores tienen un período de gracia antes de ser eliminados por un mal rendimiento. El tiempo de espera para el compromiso-revelación siempre debe ser más corto que este período de gracia, para que los participantes no sean eliminados injustamente antes de que se revelen sus puntuaciones.

Pesos basados en consenso: un sistema de recompensas transparente

Los pesos basados en el consenso en Bittensor determinan cómo se recompensa a los validadores por sus evaluaciones de modelos de IA. En lugar de depender de una fórmula fija, este sistema se ajusta continuamente en respuesta al juicio colectivo de todos los validadores. Los validadores asignan puntuaciones, o "pesos", a los modelos de IA en función de su rendimiento. Cuanto más se alineen sus evaluaciones con el consenso de la red en general, más recompensas reciben. Si un validador asigna consistentemente calificaciones que difieren significativamente del consenso, su influencia y recompensas disminuyen. Esto desalienta las evaluaciones aleatorias o sesgadas y asegura que los modelos de IA con mejor rendimiento sean identificados y recompensados adecuadamente.

Para entender este sistema, imagina un panel de jueces puntuando una competencia. Si la mayoría de los jueces le dan a una actuación una puntuación alta, pero un juez le da una puntuación mucho más baja sin razón, su opinión se considera menos fiable. Con el tiempo, este juez poco fiable tendrá menos influencia sobre las puntuaciones finales. El mismo principio se aplica a los validadores en Bittensor. Si sus evaluaciones coinciden consistentemente con lo que la mayoría de los validadores experimentados determinan como justo, mantienen una fuerte influencia y ganan recompensas más altas. Si intentan manipular los resultados o hacen juicios consistentemente pobres, su peso en la red disminuye.

Anteriormente, las recompensas del validador se basaban en una fórmula que combinaba el rendimiento pasado y presente, lo que significa que una vez que un validador establecía un buen historial, podía seguir beneficiándose de él incluso si dejaba de realizar evaluaciones de alta calidad. El nuevo enfoque basado en el consenso reemplaza esto con un mecanismo de ajuste en tiempo real. La efectividad de un validador ya no se basa únicamente en datos históricos, sino en la precisión con la que evalúan los modelos de IA en el presente. Esto crea un sistema más dinámico en el que los validadores deben rendir consistentemente bien para mantener sus recompensas.

Un problema que podría surgir en un sistema como este es que los validadores simplemente copien las evaluaciones de los demás en lugar de hacer su propio análisis. Para evitar esto, Bittensor utiliza un proceso de compromiso-revelación. Los validadores deben enviar primero evaluaciones encriptadas que están ocultas a los demás. Después de un período establecido, estas evaluaciones se revelan. Esto evita que los validadores esperen para ver lo que dicen los demás y copien sus respuestas, obligándolos a hacer evaluaciones independientes. Este mecanismo mantiene el proceso de evaluación justo y garantiza que las recompensas vayan a aquellos que realmente ponen esfuerzo real en lugar de aquellos que intentan manipular el sistema.

Otro aspecto importante de este sistema es cómo crece la influencia del validador con el tiempo. Los validadores se 'vinculan' a los modelos de IA que consideran fuertes, y este vínculo aumenta a medida que continúan haciendo evaluaciones correctas. La fuerza de este vínculo determina cuánto gana un validador del éxito del modelo de IA que apoyan. Si un validador identifica consistentemente modelos de IA de alta calidad temprano, sus recompensas se multiplicarán con el tiempo a medida que esos modelos ganen reconocimiento. Sin embargo, si juzgan erróneamente la calidad con frecuencia, su influencia se debilita y sus recompensas disminuyen.

Los propietarios de subredes tienen control sobre cuán estricto o flexible es este sistema ajustando una configuración llamada líquido_alpha_habilitadoEsta configuración controla cuánto cambia la influencia de un validador en respuesta al consenso de la red. Si se establece en un nivel más alto, los validadores que coinciden frecuentemente con el consenso ganan influencia más rápidamente, y aquellos que se desvían pierden influencia más rápidamente. Si se establece en un nivel más bajo, el sistema es más indulgente, permitiendo a los validadores más margen para desarrollar su juicio. Esto le da a los propietarios de subredes la capacidad de ajustar la equidad y la capacidad de respuesta del sistema de acuerdo a las necesidades de su subred específica.

Este enfoque asegura que los validadores que dedican esfuerzo y realizan evaluaciones consideradas sean recompensados adecuadamente. En lugar de una fórmula fija que pueda ser explotada o esté desactualizada, este sistema en tiempo real garantiza que las recompensas se basen en la precisión y la participación continuas. Los validadores que intentan manipular los resultados o tomar atajos pierden influencia, mientras que aquellos que proporcionan evaluaciones útiles ganan más con el tiempo.

Aspectos destacados

• Dynamic TAO cambia la forma en que se valúan las subredes al distribuir la toma de decisiones en toda la red.
• Los validadores verifican la calidad de las salidas de IA e influyen en cómo se distribuyen las recompensas de TAO.
• Commit-reveal evita que los validadores copien las puntuaciones de los demás, asegurando evaluaciones honestas.
• Los pesos basados en el consenso mejoran la equidad de las recompensas del validador ajustando las clasificaciones en tiempo real.
• Estos sistemas trabajan juntos para crear un ecosistema de IA transparente, competitivo y descentralizado.