문제점
디파이 프로토콜은 신뢰 가정 없이 매개변수를 최적화할 수 없습니다. 그들은 가운틀과 같은 컨설턴트에게 연간 수백만 달러를 지불하거나 돈을 남기는 정적 매개변수에 고착됩니다. 수치는 상당합니다. 유니스왑(Uniswap) V3 유동성 공급자(LP)는 열악한 범위 관리로 수억 달러를 잃고, 대출 프로토콜은 불필요하게 보수적인 매개변수를 유지합니다.
명백한 해결책은 온체인에서 최적화 알고리즘을 실행하는 것이지만, 그것은 실현 가능하지 않습니다. 대규모 언어 모델(LLM)과 신경망은 부동 소수점 행렬 연산, 기가바이트 메모리, 비결정론적 샘플링이 필요합니다. 심지어 간단한 모델도 수백만 달러의 가스 비용이 들 것입니다.
다른 접근: 영지식 유전 프로그래밍
저는 유전 프로그래밍을 위해 설계된 스택 기반 언어인 PUSH3용 zkVM을 구축하고 있습니다. 아이디어는 간단합니다:
- 최적화 도구는 표준 유전 프로그래밍 기법을 사용하여 오프체인에서 알고리즘을 진화시킵니다
- 프로토콜이 최적화를 필요로 할 때, 알고리즘은 zkVM에서 실행됩니다
- 프로토콜은 올바른 실행에 대한 STARK 증명으로 결과를 얻습니다
유전 알고리즘은 여기서 작동합니다. 왜냐하면 그것들은 단순히 스택에 대한 산술 연산이기 때문입니다. 행렬 없이, 부동 소수점 광란 없이, 산술 회로에 깔끔하게 매핑되는 정수 수학입니다.
기술적 접근
PUSH3 언어
PUSH3는 다른 유형(정수, 부동 소수점, 부울, 코드, 실행, 이름)을 위한 별도의 스택이 있는 간단한 스택 언어입니다. 프로그램은 단순히 연산 및 리터럴의 시퀀스입니다. 연산에 스택에 충분한 인수가 없으면 충돌하는 대신 무작동이 됩니다.
예시 프로그램:
( 가격 변동성 부동소수점.* 2.0 부동소수점./범위.최소 부동소수점.- 범위.최대 부동소수점.+ )zkVM 구현
구현은 PUSH3 프로그램을 가져와 OpenVM을 사용하여 해당 실행의 STARK 증명을 생성합니다:
PUSH3 프로그램 → 추적 기록 → OpenVM 칩 → STARK 증명증명 생성에는 약 2분이 걸리고 약 500KB의 증명을 생성합니다. 이러한 증명은 온체인에 제출할 STARK로 롤업될 수 있습니다.
현재 상태
작동 중:
- 정수/부동 소수점/부울 스택에 대한 기본 산술 연산(덧셈, 뺄셈, 곱셈, 나눗셈)
- OpenVM에 입력되는 추적 기록
- Plonky3를 사용한 STARK 증명 생성
아직 구현되지 않음:
- 코드/실행/이름 스택(실제 유전 프로그래밍에 필요)
- 대부분의 스택 조작(복제, 당기기, 밀어넣기)
- 제어 흐름 연산
비전
이것이 롤업으로 구축된다면, 이더리움(ETH)은 흥미로운 무언가를 얻게 됩니다: 적합성 함수를 정의할 수 있는 모든 프로토콜은 자체 최적화 알고리즘을 진화시킬 수 있습니다.
다음과 같은 효과를 상상합니다:
- 자동화된 마켓 마이커(AMM)는 수수료 계층과 집중된 유동성 범위를 진화시킵니다
- 대출 프로토콜은 위험 매개변수와 이자 곡선을 진화시킵니다
- 옵션 프로토콜은 가격 책정 모델을 진화시킵니다
- MEV 보호는 대응 전략을 진화시킵니다
누구도 신뢰하지 않고 - 단지 알고리즘이 올바르게 실행되었음을 증명하는 수학입니다.
가능한 개발 경로: zkVM을 완성한 후, 기반 롤업으로 배포를 탐색합니다. 아이디어는 프로토콜이 적합성 함수와 함께 최적화를 요청하는 레지스트리이며, 누구나 솔루션을 제출할 수 있고, 적합성 함수에 따라 가장 좋은 것이 등록되며 그 실행이 온체인에서 증명되고 검증됩니다.
이는 인간의 판단을 대체하거나 인공 일반 지능(AGI)을 구축하는 것이 아닙니다. 신뢰가 필요 없는 이더리움(ETH)의 고유 최적화 기능을 제공하는 것입니다. 다른 체인들은 AI 공동 프로세서와 대규모 언어 모델 오라클을 추가하고 있지만, 이더리움(ETH)은 실제로 온체인에서 작동하는 무언가를 가질 수 있습니다.
미해결 질문 선택
- 진화된 PUSH3 프로그램이 실제 디파이 최적화에 충분히 표현력이 있습니까? 유전 프로그래밍은 놀라운 솔루션을 발견할 수 있지만, 스택 기반 언어가 집중된 유동성 포지셔닝 또는 다중 자산 위험 관리와 같은 복잡한 전략을 실제로 인코딩할 수 있을까요?
- 여기서 실제 비용 대비 효과는 무엇입니까? 모든 최적화 실행에 대한 STARK 증명 생성은 오버헤드를 추가합니다. 자주 업데이트되는 매개변수의 경우, 검증의 가스 비용이 무신뢰성만큼 가치가 있을까요? 특히 알고리즘 자체가 평범할 수 있는 경우에는?
- 알고리즘 입력을 어떻게 처리합니까? 디파이 최적화에는 가격 피드, Total Value Locked(TVL) 데이터, 과거 변동성이 필요합니다. 모든 데이터 소스에 자체 zkVM 어댑터가 필요할까요?
- 과적합을 어떻게 방지합니까? 과거 데이터에서 진화된 알고리즘은 완벽해 보일 수 있지만 새로운 시장 조건에서 치명적으로 실패할 수 있습니다.
- 여전히 적합성 함수 설계를 신뢰해야 한다면 무신뢰성 최적화가 실제로 가치가 있을까요? 나쁜 적합성 함수는 정적 매개변수보다 더 나쁠 수 있습니다.
- 검증하기 더 쉬운 결정론적 최적화 알고리즘으로 유사한 결과를 달성할 수 있을까요?
