Fugu-MT 論文翻訳(概要): Smoothening block rewards: How much should miners pay for mining pools?

論文の概要: Smoothening block rewards: How much should miners pay for mining pools?

arxiv url: http://arxiv.org/abs/2309.02297v1
Date: Tue, 5 Sep 2023 14:59:01 GMT
ステータス: 処理完了
システム内更新日: 2024-03-25 23:19:21.971006
Title: Smoothening block rewards: How much should miners pay for mining pools?
Title（参考訳）: スムーズなブロック報酬:鉱山労働者はどのくらいの費用を採掘プールに支払うべきか?
Authors: Axel Cortes-Cubero, Juan P. Madrigal-Cianci, Kiran Karra, Zixuan Zhang,
Abstract要約: 我々は、スムーズな報酬を持つ鉱山労働者の経済的優位性を定量化する。我々は、鉱夫が鉱業用プールサービスに対して支払うべき報酬の最大割合を定義するためにこれを使用します。
参考スコア（独自算出の注目度）: 11.245119287096419
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: The rewards a blockchain miner earns vary with time. Most of the time is spent mining without receiving any rewards, and only occasionally the miner wins a block and earns a reward. Mining pools smoothen the stochastic flow of rewards, and in the ideal case, provide a steady flow of rewards over time. Smooth block rewards allow miners to choose an optimal mining power growth strategy that will result in a higher reward yield for a given investment. We quantify the economic advantage for a given miner of having smooth rewards, and use this to define a maximum percentage of rewards that a miner should be willing to pay for the mining pool services.
Abstract（参考訳）: ブロックチェーンマイニングの報酬は、時間によって異なります。ほとんどの時間は報酬を受け取らずに採掘に費やされ、時折採掘者がブロックを勝ち取り、報酬を得る。マイニングプールは報酬の確率的な流れを円滑にし、理想的な場合、時間とともに報酬の安定した流れを提供する。スムースブロック報酬は、鉱山労働者が最適な鉱業力成長戦略を選択でき、それが与えられた投資に対して高い報酬利回りをもたらす。我々は、スムーズな報酬を持つ鉱夫の経済的優位性を定量化し、これを用いて鉱夫が鉱業用プールサービスに対して支払うべき報酬の最大割合を定義する。

関連論文リスト

Walking the Values in Bayesian Inverse Reinforcement Learning [66.68997022043075]
ベイズIRLの鍵となる課題は、可能な報酬の仮説空間と可能性の間の計算的ギャップを埋めることである。本稿では,この知見に基づく新しいマルコフ連鎖モンテカルロ法であるValueWalkを提案する。
論文参考訳（メタデータ） (2024-07-15T17:59:52Z)
Helping or Herding? Reward Model Ensembles Mitigate but do not Eliminate Reward Hacking [63.666119126351965]
リワードモデルは、言語モデルアプリケーションを人間の好みに合わせる上で重要な役割を果たす。自然な緩和とは、報酬モデルの集合を訓練し、より堅牢な報酬推定を得るためにモデル出力を集約することである。報酬アンサンブルのすべての報酬モデルが類似したエラーパターンを示すため、報酬アンサンブルは報酬ハックを排除しないことを示す。
論文参考訳（メタデータ） (2023-12-14T18:59:04Z)
DreamSmooth: Improving Model-based Reinforcement Learning via Reward Smoothing [60.21269454707625]
DreamSmoothは、与えられたタイミングでの正確な報酬ではなく、時間的に滑らかな報酬を予測することを学ぶ。本研究では,DreamSmoothが長時間のスパース・リワードタスクにおいて最先端のパフォーマンスを達成することを示す。
論文参考訳（メタデータ） (2023-11-02T17:57:38Z)
STARC: A General Framework For Quantifying Differences Between Reward Functions [55.33869271912095]
我々は、STARCメトリックと呼ばれるすべての報酬関数の空間上の擬計量のクラスを提供する。以上の結果から,STARCは最悪の後悔に対して上界と下界の両方を誘導することがわかった。また、以前の研究によって提案された報酬指標に関するいくつかの問題も特定します。
論文参考訳（メタデータ） (2023-09-26T20:31:19Z)
Undetectable Selfish Mining [4.625489011466493]
戦略的Bitcoinマイナーは、意図されたBitcoinプロトコルから逸脱することで利益を得ることができる。我々は、統計的に検出不可能な、利己的なマイニング変異体を開発する。我々の戦略は、総ハッシュレートの38.2% ll 50% の攻撃者にとって厳格に利益があることを示している。
論文参考訳（メタデータ） (2023-09-13T09:51:32Z)
Go Beyond Imagination: Maximizing Episodic Reachability with World Models [68.91647544080097]
本稿では,GoBI-Go Beyond Imaginationという新たな固有報酬設計を提案する。学習した世界モデルを用いて、ランダムな動作で予測された将来の状態を生成する。本手法は,Minigridナビゲーションタスクの12の課題において,従来の最先端手法よりも大幅に優れていた。
論文参考訳（メタデータ） (2023-08-25T20:30:20Z)
Cobalt: Optimizing Mining Rewards in Proof-of-Work Network Games [6.052883613180156]
マイニング報酬に影響を及ぼす重要な要因は、ピアツーピアネットワークにおけるマイナー間の接続である。我々は、鉱夫が誰と接続するかを盗賊問題として決定する問題を定式化する。我々の研究の重要な貢献は、帯域幅アルゴリズム内のネットワーク構造を学習するためにネットワーク座標に基づくモデルを使用することである。
論文参考訳（メタデータ） (2023-07-10T16:50:58Z)
BC-IRL: Learning Generalizable Reward Functions from Demonstrations [51.535870379280155]
逆強化学習法は、最大エントロピーIRLアプローチと比較して、より一般化された報酬関数を学習する。我々は、BC-IRLが、説明的な単純なタスクと2つの連続的なロボット制御タスクでより良く一般化する報酬を学習し、一般化設定に挑戦する際のベースラインの成功率の2倍以上を達成することを示す。
論文参考訳（メタデータ） (2023-03-28T17:57:20Z)
Partial Selfish Mining for More Profits [21.636578888742477]
マイニング攻撃は、ブロックチェーンマイニングにおける余分な報酬の不正なシェアを獲得することを目的としている。本稿では,PSM(Partial Selfish Mining)攻撃を新たに提案する。 PSM攻撃者は、一定範囲の採掘力とネットワーク条件下で、利己的な鉱山労働者よりも利益があることを示す。
論文参考訳（メタデータ） (2022-07-27T11:58:38Z)
A Collaboration Strategy in the Mining Pool for Proof-of-Neural-Architecture Consensus [16.372941299296652]
一般に普及している暗号通貨システムでは、マイニングプールが重要な役割を担っている。最近の多くの新しいブロックチェーンコンセンサスにおいて、ディープラーニングトレーニング手順は、マイナーが自身のワークロードを証明するタスクになる。鉱山労働者のインセンティブはトークンを得ることであるが、個々の鉱山労働者はより競争力を高めるために鉱山プールに参加する動機がある。
論文参考訳（メタデータ） (2022-05-05T17:08:02Z)
Equilibrium of Blockchain Miners with Dynamic Asset Allocation [4.030037871304249]
マイニングビジネスの複合リターンを最大化しようとするブロックチェーンマイニング担当者をモデル化し、分析する。鉱業コストは、各鉱業者または鉱業プールの平衡におけるシェアを決定する。複合的なリターンを最大化しようとする鉱夫も鉱業プールも、ハッシュレートの50%以上を占めるための経済的インセンティブは得られないと結論付けている。
論文参考訳（メタデータ） (2020-06-14T20:52:31Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。