論文の概要: Game-Theoretic Analysis of Transaction Selection in DAG-Based Distributed Ledgers

• arxiv url: http://arxiv.org/abs/2605.07387v1
• Date: Fri, 08 May 2026 07:42:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-11 19:43:38.895931
• Title: Game-Theoretic Analysis of Transaction Selection in DAG-Based Distributed Ledgers
• Title（参考訳）: DAGに基づく分散台帳におけるトランザクション選択のゲーム理論解析
• Authors: Sebastian Müller, Alexandre Reiffers-Masson,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 48.17065660350331
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Transaction selection in parallel or DAG-based distributed ledger technologies (DLTs) is a crucial challenge that directly impacts throughput, fairness, and validator incentives. In these systems, validators independently choose transactions to include in their blocks, often relying on naive heuristics like uniform or proportional selection. This can lead to inefficient outcomes when validators prioritize their own rewards without considering collective impacts. We analyze two fee allocation mechanisms used in practice: Random Fee Allocation (RFA), where transaction fees are randomly assigned to one validator, and Collaborative Fee Sharing (CFS), where fees are distributed equally among all validators. Using a single-shot game-theoretic framework, we derive symmetric Nash equilibria (NE) for selecting transactions for both mechanisms and propose an optimization-based method to compute these equilibria. Numerical simulations demonstrate that the NE of CFS consistently achieves higher throughput and rewards compared to the NE of RFA, particularly under skewed fee distributions. Additionally, we compare these equilibrium strategies to naive benchmarks (uniform and proportional selection), showing that the proportional strategy outperforms the NE of RSA in many situations. These findings may provide actionable insights into the design of transaction selection and incentive mechanisms, enabling more robust and high-performance DAG-based DLTs.
• Abstract（参考訳）: 並列またはDAGベースの分散台帳技術(DLT)での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。 これらのシステムでは、バリデータは独立してブロックに含めるトランザクションを選択し、しばしば一様選択や比例選択のような単純なヒューリスティックに依存します。 これは、検証者が集団的な影響を考慮せずに自分の報酬を優先順位付けするときに、非効率な結果をもたらす可能性がある。 本研究では, 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アロケーション (CFS) の2つのメカニズムを解析し, 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アロケーション (CFS) の2つを分析した。 シングルショットゲーム理論のフレームワークを用いて、両機構のトランザクションを選択するための対称ナッシュ平衡(NE)を導出し、これらの平衡を計算する最適化手法を提案する。 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。 さらに、これらの均衡戦略を、単純ベンチマーク(一様および比例選択)と比較し、比例戦略がRSAのNEよりも多くの状況で優れていることを示す。 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。

関連論文リスト

• 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)
• Segmental Advantage Estimation: Enhancing PPO for Long-Context LLM Training [17.530233901658253]
  セグメンショナルアドバンテージ推定は、一般化アドバンテージ推定が検証されたリワードを用いた強化学習において生じるバイアスを緩和する。 SAEは、最終的なスコア、安定性、サンプル効率を著しく改善し、優れたパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2026-01-12T08:41:47Z)
• ArenaRL: Scaling RL for Open-Ended Agents via Tournament-based Relative Ranking [84.07076200941474]
  ArenaRLは、ポイントワイドスカラースコアからグループ内相対ランクにシフトする強化学習パラダイムである。 我々は,グループ内対角アリーナを構築し,安定した有利な信号を得るためのトーナメントベースのランキングスキームを考案する。 実験により、ArenaRLは標準のRLベースラインを大幅に上回っていることが示された。
  論文  参考訳（メタデータ） (2026-01-10T08:43:07Z)
• EconProver: Towards More Economical Test-Time Scaling for Automated Theorem Proving [64.15371139980802]
  大規模言語モデル(LLM)は、最近、自動定理証明(ATP)の分野を進歩させた。 ATPモデルに対する異なるテスト時間スケーリング戦略は、推論にかなりの計算オーバーヘッドをもたらすことを示す。 本稿では,統一EconRLパイプラインに統合可能な2つの補完手法を提案する。
  論文  参考訳（メタデータ） (2025-09-16T03:00:13Z)
• Additive Distributionally Robust Ranking and Selection [0.8283940114367679]
  そこで本研究では,$k + m - 1$の事前仮説クリティカルシナリオのみをサンプリングすることを目的とした,単純な加算割当(AA)手順を提案する。 AAが一貫したものであり、驚くべきことに、最も強い意味で付加性を達成することを証明します。 結果は、DRR&Sの加法構造に対する新しい、そして反直観的な洞察を与える。
  論文  参考訳（メタデータ） (2025-09-07T17:36:29Z)
• A Blockchain-based Platform for Reliable Inference and Training of Large-Scale Models [1.323497585762675]
  我々は、大規模モデルの信頼性の高い推論とトレーニングを保証するために特別に設計された、新しいプラットフォームであるBRAINを紹介する。 BRAINはユニークな2フェーズトランザクション機構を利用し、パイプライニングによるリアルタイム処理を可能にする。 BRAINは、合理的なガス料金でかなり高い推論スループットを提供する。
  論文  参考訳（メタデータ） (2023-05-06T14:21:41Z)
• Fed-CBS: A Heterogeneity-Aware Client Sampling Mechanism for Federated Learning via Class-Imbalance Reduction [76.26710990597498]
  本研究では,ランダムに選択したクライアントからのグループデータのクラス不均衡が,性能の大幅な低下につながることを示す。 我々のキーとなる観測に基づいて、我々は効率的なクライアントサンプリング機構、すなわちフェデレートクラスバランスサンプリング(Fed-CBS)を設計する。 特に、クラス不均衡の尺度を提案し、その後、同型暗号化を用いてプライバシー保護方式でこの尺度を導出する。
  論文  参考訳（メタデータ） (2022-09-30T05:42:56Z)
• Online Learning of Competitive Equilibria in Exchange Economies [94.24357018178867]
  経済学では、複数の有理エージェント間の資源不足の共有は古典的な問題である。 エージェントの好みを学習するためのオンライン学習機構を提案する。 数値シミュレーションにより,本機構の有効性を実証する。
  論文  参考訳（メタデータ） (2021-06-11T21:32:17Z)

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。