論文の概要: Centralization in Block Building and Proposer-Builder Separation

• arxiv url: http://arxiv.org/abs/2401.12120v1
• Date: Mon, 22 Jan 2024 17:05:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-03-18 08:27:10.848342
• Title: Centralization in Block Building and Proposer-Builder Separation
• Title（参考訳）: ブロックビルの集中化とプロポーラ・ビルダー分離
• Abstract要約: 本研究の目的は,ブロック構築における中央集権化に関する従来の知恵を精査することである。 我々のモデルと結果は、競合設計、P'olyaプロセス、およびオークション理論への接続を生かしている。
• 参考スコア（独自算出の注目度）: 10.478729083130368
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The goal of this paper is to rigorously interrogate conventional wisdom about centralization in block-building (due to, e.g., MEV and private order flow) and the outsourcing of block-building by validators to specialists (i.e., proposer-builder separation): 1. Does heterogeneity in skills and knowledge across block producers inevitably lead to centralization? 2. Does proposer-builder separation eliminate heterogeneity and preserve decentralization among proposers? This paper develops mathematical models and results that offer answers to these questions: 1. In a game-theoretic model with endogenous staking, heterogeneous block producer rewards, and staking costs, we quantify the extent to which heterogeneous rewards lead to concentration in the equilibrium staking distribution. 2. In a stochastic model in which heterogeneous block producers repeatedly reinvest rewards into staking, we quantify, as a function of the block producer heterogeneity, the rate at which stake concentrates on the most sophisticated block producers. 3. In a model with heterogeneous proposers and specialized builders, we quantify, as a function of the competitiveness of the builder ecosystem, the extent to which proposer-builder separation reduces the heterogeneity in rewards across different proposers. Our models and results take advantage of connections to contest design, P\'olya urn processes, and auction theory.
• Abstract（参考訳）: 本研究の目的は,ブロック構築における集中化(例えば,MEV,プライベートオーダーフロー)や,バリデータによるブロック構築のアウトソーシング(プロジェクタとビルダーの分離)について,従来の知恵を厳格に問うことである。 2.プロジェクタ・ビルダー分離は異質性を排除し、プロジェクタ間の分散性を維持するか? 本研究では, 内因性奪取, 異種ブロック生成者報酬, 取付コストを伴うゲーム理論モデルにおいて, 不均一報酬が平衡占拠分布に集中する程度を定量化する。 2) 不均一なブロック生産者が繰り返し報酬を再投資する確率モデルにおいて,ブロック生産者の不均一性の関数として,最も洗練されたブロック生産者に集中する割合を定量化する。 3) ヘテロジニアスなプロジェクタと特殊ビルダのモデルでは, ビルダエコシステムの競争性の関数として, プロジェクタとビルダの分離によって, 異なるプロジェクタ間での報酬の不均一性が低下する程度を定量化する。 我々のモデルと結果は、競合設計、P'olya urnプロセス、およびオークション理論への接続を生かしている。

関連論文リスト

• FaVOR: LLM-Based Agentic Framework for Factor Mining via Empirical Validation [12.033028725947622]
  仮説レベルのエビデンスを取り巻く要素を再構成するエージェントフレームワークであるFaVORを提案する。 FaVORは、仮説に基づく因子発見が、建設、体制破壊、経済的に忠実な信号を生み出すことを示している。
  論文  参考訳（メタデータ） (2026-08-31T03:16:06Z)
• Towards Decentralized Searcher Competition in MEV Markets [1.4037095606573826]
  本稿では,探索者競争の観点から,最大抽出可能な価値市場における集中化を考察する。 我々は、探索者が機会カバレッジと実行効率が異なる異種モデルを開発する。 本稿では,より公平かつ広範に検索者の報酬を分配する,エントリーフィルター付きシャプリーキャップ型オークション機構を提案する。
  論文  参考訳（メタデータ） (2026-08-05T16:15:31Z)
• Game-Theoretic Analysis of Transaction Selection in DAG-Based Distributed Ledgers [48.17065660350331]
  DAGベースの分散台帳技術(DLT)におけるトランザクション選択は、スループット、公平性、バリデータインセンティブに直接影響を与える重要な課題である。 我々は、ランダムフェーアロケーション(RFA)とコラボレーティブフェーシェアリング(CFS)の2つの料金配分メカニズムについて分析する。 数値シミュレーションにより, CFS の NE は RFA の NE と比較して一貫したスループットと報酬を達成することを示した。 これらの知見は、トランザクション選択とインセンティブメカニズムの設計に関する実用的な洞察を与え、より堅牢で高性能なDAGベースのDLTを可能にする。
  論文  参考訳（メタデータ） (2026-05-08T07:42:42Z)
• Harness as an Asset: Enforcing Determinism via the Convergent AI Agent Framework (CAAF) [0.0]
  大規模言語モデルは、安全クリティカルエンジニアリングにおける制御可能性のギャップを生み出します。 本稿では,エージェントをオープンループ生成からクローズループフェールセーフ決定性に移行するConvergent AI Agent Framework(CAAF)を紹介する。 CAAFの3つの柱は相補的な故障面に対処し、コモディティコストで制御可能性ギャップを閉じることはない。
  論文  参考訳（メタデータ） (2026-04-18T15:15:09Z)
• The Economics of Builder Saturation in Digital Markets [0.7252027234425333]
  生産規模を弾性的に拡大するが、人間の注意が有限であるモデルを定式化するビルダー飽和効果を導入する。 均衡結果は, 平均賃金の減少, 集中度の増加を示すが, パワーロー様分布と一致している。 結果として、AI対応で民主化されたプロダクションは、広く分散した起業家的成功を生み出すよりも、競争を激化させ、最も獲得した結果を生み出す可能性が高いことが示唆されている。
  論文  参考訳（メタデータ） (2026-03-24T19:47:44Z)
• SpecSteer: Synergizing Local Context and Global Reasoning for Efficient Personalized Generation [79.75755802397312]
  SpecSteerは非対称な協調推論フレームワークで、デバイス上のプライベートコンテキストとクラウドスケールの推論を相乗化する。 実験により、SpecSteerは推論のギャップを埋め、パーソナライズされた生成性能を向上することを示した。
  論文  参考訳（メタデータ） (2026-03-17T07:51:29Z)
• OneRanker: Unified Generation and Ranking with One Model in Industrial Advertising Recommendation [16.27240743307534]
  生成とランキングのアーキテクチャレベルでの深い統合を実現するOneRankerを提案する。 我々は、粗大できめ細かな協調目標認識機構を構築する。 TencentのWeiXinチャネル広告システムへの完全な展開は、主要なビジネス指標を大幅に改善したことを示している。
  論文  参考訳（メタデータ） (2026-03-03T13:50:22Z)
• Mitigating Reward Hacking in RLHF via Bayesian Non-negative Reward Modeling [49.41422138354821]
  非負の因子分析をBradley-Terry選好モデルに統合する原理的報酬モデリングフレームワークを提案する。 BNRMは、スパースで非負の潜在因子生成過程を通じて報酬を表す。 BNRMは報酬の過度な最適化を著しく軽減し、分布シフトによるロバスト性を改善し、強いベースラインよりも解釈可能な報酬分解をもたらすことを示す。
  論文  参考訳（メタデータ） (2026-02-11T08:14:11Z)
• Blockwise Advantage Estimation for Multi-Objective RL with Verifiable Rewards [39.489554597919145]
  グループ相対ポリシー最適化(GRPO)は、完了時にすべてのトークンに対して単一のスカラーの利点を割り当てる。 明確なセグメントと目的を持つ構造化世代では、このカップルはセグメント間で無関係な報酬信号を生成し、客観的な干渉と不正な信用につながる。 我々は、GRPO互換メソッドのファミリーであるBlockwise Advantage Estimationを提案し、それぞれの目的をそれぞれ独自の利点を割り当て、対応するテキストブロックのトークンにのみ適用する。
  論文  参考訳（メタデータ） (2026-02-10T19:22:37Z)
• Breaking the Factorization Barrier in Diffusion Language Models [59.946071582340146]
  ベクトル化障壁」は拡散言語モデルの効率的な並列生成を妨げる。 完全分解出力分布を置き換えるための結合離散拡散法を提案する。 我々は, CoDD が多種多様な言語モデルアーキテクチャをシームレスに拡張し, オーバーヘッドを無視できることを示した。
  論文  参考訳（メタデータ） (2026-02-09T08:36:39Z)
• The Reasoning-Creativity Trade-off: Toward Creativity-Driven Problem Solving [57.652356955571065]
  最先端の大規模言語モデル(LLM)パイプラインは、ブートストラップの推論ループに依存している。 我々は、この設計選択が、推論経路上のモデルの分布の崩壊にどのように敏感であるかを分析する。 本稿では,分散創造推論(DCR)について紹介する。これは,解トレースの確率測定を通じて,トレーニングを勾配流としてキャストする,統一的な変分目的である。
  論文  参考訳（メタデータ） (2026-01-02T17:10:31Z)
• OnePiece: Bringing Context Engineering and Reasoning to Industrial Cascade Ranking System [61.12400636463362]
  OnePieceは、LLMスタイルのコンテキストエンジニアリングと推論を、検索モデルとランキングモデルの両方にシームレスに統合する統合フレームワークである。 OnePieceは、Shopeeの主要なパーソナライズされた検索シナリオにデプロイされ、さまざまな主要なビジネス指標で一貫したオンラインゲインを実現している。
  論文  参考訳（メタデータ） (2025-09-22T17:59:07Z)
• Hecto: Modular Sparse Experts for Adaptive and Interpretable Reasoning [0.0]
  Hectoは軽量なMoEアーキテクチャで、時間的推論のためのGRUエキスパートと、スパースなTop-1ゲーティングメカニズムの下で静的抽象化のためのFFNNエキスパートを組み合わせる。 ヘクトは、独立した入力表現を受け取っているにもかかわらず、パフォーマンスにおいて均質なベースラインにマッチまたは密接に追従する。 Hectoは条件計算の新しいベンチマークとして自らを確立している。
  論文  参考訳（メタデータ） (2025-06-28T15:03:43Z)
• Interlocking-free Selective Rationalization Through Genetic-based Learning [7.504525967508676]
  我々は、学習オーバーヘッドを必要としない選択的合理化のための最初のインターロックフリーアーキテクチャであるGenSPPを提案する。 人工的および実世界のベンチマーク実験により、我々のモデルはいくつかの最先端の競合より優れていることが示された。
  論文  参考訳（メタデータ） (2024-12-13T17:52:48Z)
• Imitate, Explore, and Self-Improve: A Reproduction Report on Slow-thinking Reasoning Systems [92.89673285398521]
  o1のような推論システムは、複雑な推論タスクを解く際、顕著な能力を示した。 推論モデルをトレーニングするために、模倣、探索、自己改善のフレームワークを導入します。 提案手法は,産業レベルの推論システムと比較して競争性能が向上する。
  論文  参考訳（メタデータ） (2024-12-12T16:20:36Z)
• PROF: Protected Order Flow in a Profit-Seeking World [8.76739307907209]
  この研究は、既存のPBSシステムにおける有害な最大抽出値(MEV)を制限するためにPROFと呼ばれるシステムを導入している。 PROFは、プライベートに入力されたトランザクションのセット(バンドル)に注文を課し、プロダクションをブロックするためにすべての注文を強制します。 我々はPROFのインセンティブ構造を定量的に定性的に分析し、既存のソリューションと比較してユーザに対して有用性を示す。
  論文  参考訳（メタデータ） (2024-08-05T08:26:10Z)
• Model-Based Calculation Method of Mining Fairness in Blockchain [1.0599439539657787]
  ブロックチェーンにおけるマイニングフェアネスは、マイニングに投資した計算リソースと、受け取ったブロック報酬の平等を指す。 本稿では,フォークの影響を明示的に捉えたマイニングフェアネスの算出手法を提案する。
  論文  参考訳（メタデータ） (2024-06-02T02:27:28Z)
• Flashback: Enhancing Proposer-Builder Design with Future-Block Auctions in Proof-of-Stake Ethereum [27.386337024680245]
  検索者、ビルダー、プロジェクタ間で使用されるオークションメカニズムは、ブロックチェーン全体の健全性に不可欠である。 本稿では,PBS設計を探索者,構築者,提案者間のゲームとして検討する。 我々の設計における重要な新規性は将来のブロックプロジェクタの導入であり、エポックのプロジェクタはすべて、実証(PoS)において前もって決定される。 本分析は, 競技者に対して, 最先端技術と比較して, より平衡な代替競売機構が存在することを示す。
  論文  参考訳（メタデータ） (2024-05-15T15:58:21Z)
• Mitigating federated learning contribution allocation instability through randomized aggregation [1.827018440608344]
  Federated Learning(FL)は、堅牢なモデルの作成を可能にしながら、プライバシを保護するように設計された、新しいコラボレーティブ機械学習フレームワークである。 本稿では, 参加型グローバルモデルの作成に対する, 様々な参加者からの貢献の公正かつ正確な貢献について検討する。 我々は、より公平で分散した方法でコントリビューションをサンプリングするために設計されたFedRandomを紹介します。
  論文  参考訳（メタデータ） (2024-05-13T13:55:34Z)
• Diffusion Model for Data-Driven Black-Box Optimization [54.25693582870226]
  我々は、強力な生成AI技術である拡散モデルに注目し、ブラックボックス最適化の可能性について検討する。 本研究では,1)実数値報酬関数のノイズ測定と,2)対比較に基づく人間の嗜好の2種類のラベルについて検討する。 提案手法は,設計最適化問題を条件付きサンプリング問題に再構成し,拡散モデルのパワーを有効活用する。
  論文  参考訳（メタデータ） (2024-03-20T00:41:12Z)
• Diversifying the Mixture-of-Experts Representation for Language Models with Orthogonal Optimizer [59.43462055143123]
  The Mixture of Experts (MoE)は、ディープラーニングにおいて非常に成功したテクニックとして登場した。 本研究では,MoEの専門家が多様性の専門化や欠如に失敗した同質表現問題に光を当てた。 我々は,各専門家が他の専門家に分散された部分空間への方向を更新するように促す訓練戦略を交互に提案する。
  論文  参考訳（メタデータ） (2023-10-15T07:20:28Z)
• Refined Mechanism Design for Approximately Structured Priors via Active Regression [50.71772232237571]
  我々は、大量の商品を戦略的入札者に販売する収益を最大化する販売業者の問題を考える。 この設定の最適かつほぼ最適のメカニズムは、特徴付けや計算が難しいことで有名である。
  論文  参考訳（メタデータ） (2023-10-11T20:34:17Z)
• Robust multi-item auction design using statistical learning: Overcoming uncertainty in bidders' types distributions [6.5920927560926295]
  提案手法は,非パラメトリック密度推定を用いて,過去の入札から入札者のタイプを正確に推定する。 本機構の効率をさらに高めるために,クエリ削減のための2つの新しい戦略を導入する。 小規模データと大規模データの両方で実施されたシミュレーション実験により、当社のメカニズムは、収益設計やクエリ削減の観点から、既存の手法よりも一貫して優れていることが示された。
  論文  参考訳（メタデータ） (2023-02-02T08:32:55Z)
• Bridging Differential Privacy and Byzantine-Robustness via Model Aggregation [27.518542543750367]
  本稿では,差分プライバシーとビザンチネロバストネスという,連邦学習における対立する問題に対処することを目的とする。 標準メカニズムは送信DP、エンベロップスエンベロップスエンベロップスエンベロープ(エンベロップスエンベロープ、エンベロープエンベロープアグリゲーション)を追加し、ビザンツ攻撃を防御する。 提案手法の影響は, その頑健なモデルアグリゲーションによって抑制されていることを示す。
  論文  参考訳（メタデータ） (2022-04-29T23:37:46Z)
• DQMIX: A Distributional Perspective on Multi-Agent Reinforcement Learning [122.47938710284784]
  協調的マルチエージェントタスクでは、エージェントのチームがアクションを取り、報酬を受け取り、次の状態を観察し、環境と共同で対話する。 既存の価値に基づく多エージェント強化学習手法のほとんどは、個々のQ値とグローバルQ値の期待をモデル化するのみである。
  論文  参考訳（メタデータ） (2022-02-21T11:28:00Z)
• Understanding Interlocking Dynamics of Cooperative Rationalization [90.6863969334526]
  選択的合理化(Selective rationalization)は、ニューラルネットワークの出力を予測するのに十分な入力の小さなサブセットを見つけることによって、複雑なニューラルネットワークの予測を説明する。 このような合理化パラダイムでは,モデルインターロックという大きな問題が浮かび上がっている。 A2Rと呼ばれる新しい合理化フレームワークを提案し、アーキテクチャに第3のコンポーネントを導入し、選択とは対照的にソフトアテンションによって駆動される予測器を提案する。
  論文  参考訳（メタデータ） (2021-10-26T17:39:18Z)
• VCG Mechanism Design with Unknown Agent Values under Stochastic Bandit Feedback [104.06766271716774]
  本研究では,エージェントが自己の価値を知らない場合に,マルチラウンドの福祉最大化機構設計問題について検討する。 まず、福祉に対する後悔の3つの概念、各エージェントの個々のユーティリティ、メカニズムの3つの概念を定義します。 当社のフレームワークは価格体系を柔軟に制御し、エージェントと販売者の後悔のトレードオフを可能にする。
  論文  参考訳（メタデータ） (2020-04-19T18:00:58Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。