論文の概要: Bit-politeia: An AI Agent Community in Blockchain

• arxiv url: http://arxiv.org/abs/2601.11583v1
• Date: Thu, 01 Jan 2026 17:26:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-25 16:54:51.773316
• Title: Bit-politeia: An AI Agent Community in Blockchain
• Title（参考訳）: Bit-politeia: ブロックチェーンのAIエージェントコミュニティ
• Authors: Xing Yang,
• Abstract要約: Bit-politeia"は、公正で効率的で持続可能なリソース割り当てシステムを構築するために設計されたブロックチェーン上のAIエージェントコミュニティである。 客観的評価と分散検証にAIを活用することで、Bit-politeiaは人間のバイアスを最小化し、リソース集中化問題を緩和する。
• 参考スコア（独自算出の注目度）: 6.579039107070663
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Current resource allocation paradigms, particularly in academic evaluation, are constrained by inherent limitations such as the Matthew Effect, reward hacking driven by Goodhart's Law, and the trade-off between efficiency and fairness. To address these challenges, this paper proposes "Bit-politeia", an AI agent community on blockchain designed to construct a fair, efficient, and sustainable resource allocation system. In this virtual community, residents interact via AI agents serving as their exclusive proxies, which are optimized for impartiality and value alignment. The community adopts a "clustered grouping + hierarchical architecture" that integrates democratic centralism to balance decision-making efficiency and trust mechanisms. Agents engage through casual chat and deliberative interactions to evaluate research outputs and distribute a virtual currency as rewards. This incentive mechanism aims to achieve incentive compatibility through consensus-driven evaluation, while blockchain technology ensures immutable records of all transactions and reputation data. By leveraging AI for objective assessment and decentralized verification, Bit-politeia minimizes human bias and mitigates resource centralization issues found in traditional peer review. The proposed framework provides a novel pathway for optimizing scientific innovation through a fair and automated resource configuration process.
• Abstract（参考訳）: 現在の資源配分パラダイムは、特に学術的評価において、マシュー効果、グッドハートの法則による報酬ハッキング、効率性と公正性のトレードオフなど固有の制限によって制約されている。 これらの課題に対処するために、ブロックチェーン上のAIエージェントコミュニティであるBit-politeiaを提案する。 この仮想コミュニティでは、住民はAIエージェントを通じて、独占的なプロキシとして機能し、公平性と価値アライメントに最適化される。 コミュニティは、意思決定の効率と信頼のメカニズムのバランスをとるために民主的中央主義を統合する「集団的グループ化と階層的アーキテクチャ」を採用しています。 エージェントは、研究成果を評価し、報酬として仮想通貨を配布するために、カジュアルなチャットと熟考的な対話を通じて従事する。 このインセンティブメカニズムは、コンセンサスによる評価を通じてインセンティブの互換性を達成することを目的としており、ブロックチェーン技術はすべてのトランザクションと評価データの不変レコードを保証する。 客観的評価と分散検証にAIを活用することで、Bit-politeiaは人間のバイアスを最小化し、従来のピアレビューに見られるリソース集中化問題を緩和する。 提案フレームワークは、公正かつ自動化されたリソース構成プロセスを通じて、科学的イノベーションを最適化するための新しい経路を提供する。

関連論文リスト

• Resource Rational Contractualism Should Guide AI Alignment [69.07915246220985]
  契約主義的アライメントは、多様な利害関係者が支持する合意の中で決定を下すことを提案する。 我々は、AIシステムが合理的な当事者が形成する合意を近似する枠組みであるリソース・リアリズムを提案する。 RRC対応エージェントは、効率的に機能するだけでなく、変化する人間の社会世界への適応と解釈を動的に行うことができる。
  論文  参考訳（メタデータ） (2025-06-20T18:57:13Z)
• Proof-of-Social-Capital: A Consensus Protocol Replacing Stake for Social Capital [0.47267770920095536]
  フェアネスと分散化を確保するために,社会資本を用いた新たなプロトコルを提案する。 理論的な枠組みによってプライバシーと株式は強化されるが、オフチェーンの贈収賄のような未解決の問題はさらなる研究を必要とする。
  論文  参考訳（メタデータ） (2025-05-17T21:28:56Z)
• zScore: A Universal Decentralised Reputation System for the Blockchain Economy [0.8246494848934447]
  zScoreという名の堅牢なフレームワークを提供しています。これはウォレットのオンチェーン動作に由来する評価のためのコアプリミティブです。 貸し出しプロトコルの遡及的データで行った最初の結果は、良いzScoreと健全な借り入れ行動と返済行動との間に強い相関関係を確立した。 第5節では,本システムの適用可能性のリストを提示し,実際の価値創造に報いるための実用性を確立する。
  論文  参考訳（メタデータ） (2025-02-17T07:19:04Z)
• AIArena: A Blockchain-Based Decentralized AI Training Platform [3.5828467632119305]
  我々は,AI開発とアライメントを,オンチェーンインセンティブ機構を通じて民主化するように設計された分散AIトレーニングプラットフォームであるAIArenaを提案する。 我々は、公開ベースブロックチェーンSepolia testnet上でAIArenaをインスタンス化し、実装し、実世界のアプリケーションでAIArenaが実現可能であることを示す。
  論文  参考訳（メタデータ） (2024-12-19T06:35:54Z)
• Decentralized Reinforcement Learning: Global Decision-Making via Local Economic Transactions [80.49176924360499]
  我々は、シーケンシャルな意思決定問題を解決するために、単純で専門的で自己関心のあるエージェントの社会を指示する枠組みを確立する。 我々は分散強化学習アルゴリズムのクラスを導出する。 我々は、より効率的な移動学習のための社会固有のモジュラー構造の潜在的な利点を実証する。
  論文  参考訳（メタデータ） (2020-07-05T16:41:09Z)
• F2A2: Flexible Fully-decentralized Approximate Actor-critic for Cooperative Multi-agent Reinforcement Learning [110.35516334788687]
  分散マルチエージェント強化学習アルゴリズムは複雑なアプリケーションでは実践的でないことがある。 本稿では,大規模で汎用的なマルチエージェント設定を扱える,柔軟な完全分散型アクター批判型MARLフレームワークを提案する。 当社のフレームワークは,大規模環境におけるスケーラビリティと安定性を実現し,情報伝達を低減できる。
  論文  参考訳（メタデータ） (2020-04-17T14:56:29Z)
• Monotonic Value Function Factorisation for Deep Multi-Agent Reinforcement Learning [55.20040781688844]
  QMIXは、中央集権的なエンドツーエンドで分散ポリシーをトレーニングできる新しい価値ベースの手法である。 深層多エージェント強化学習のための新しいベンチマークとして,StarCraft Multi-Agent Challenge (SMAC)を提案する。
  論文  参考訳（メタデータ） (2020-03-19T16:51:51Z)
• Counterfactual Multi-Agent Policy Gradients [47.45255170608965]
  本稿では,COMAポリシーグラデーションと呼ばれる新しいマルチエージェントアクター批判手法を提案する。 COMAは中央集権的な批評家を用いてQ-関数を推定し、エージェントのポリシーを最適化する。 我々は,StarCraftユニットのマイクロマネジメントにおけるテストベッドにおけるCOMAの評価を行った。
  論文  参考訳（メタデータ） (2017-05-24T18:52:17Z)

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。