Phase 16: Multi-Agent & Swarms

اقتصاد عامل، انگیزه های توکن، شهرت

عوامل مستقل افق دراز مدت (کار یک تا هشت ساعت METR) نیاز به آژانس اقتصادی دارند.5-layer stackاین است: DePIN(حساب فیزیکی) → Identity(W3C DIDs + اعتبار سرمایه) → Cognition(RAG + MCP) → Settlement(استراکتور حساب) → Governanceشبکه های انگیزه دهنده عوامل تولید شامل:Bittensor(تعداد زیر شبکه های TAO به مدل های خاص وظیفه پاداش می دهند)Fetch.ai / ASI Alliance(ASI-1 Mini LLM + FET token) وGonka(PoW مبتنی بر ترانسفارمر که محاسبه را به وظایف هوش مصنوعی تولیدگرانه تغییر می دهد). کار علمی: استفاده های لاماس غیرمتمرکز AAMAS 2025 Shapley-value credit attributionبرای پاداش عادلانه از عوامل کمک کننده؛ گوگل تحقیق "تعمیر مکانیسم برای مدل های بزرگ زبان" پیشنهاد می کند token auctionsاین درس یک بازار عامل کوچک را ایجاد می کند، اعتبار اعتبار Shapley را به یک لوله متعدد عامل اعمال می کند و یک مزایده توکن قیمت دوم را اجرا می کند تا ماشین آلات نظریه بازی به طور مشخص فرود آید.

Type: Learn

Languages: Python (stdlib)

Prerequisites: Phase 16 · 16 (Negotiation and Bargaining), Phase 16 · 09 (Parallel Swarm Networks)

Time: ~75 minutes

مشکل

سیستم های چند عامل زمانی پیچیده می شوند که عوامل با هم ارزش تولید کنند اما باید به صورت جداگانه پاداش داده شوند. مکانیسم های کلاسیک تقسیم برابر، آخرین مشارکت کننده همه را می گیرد غیر عادلانه یا قابل بازی هستند. پاداش مبتنی بر ائتلاف از طریق ارزش های شاپلی از نظر ساخت منصفانه است اما برای محاسبه گران است. در سال های 2025 تا 2026، ادبیات تخمین های مفید را مطرح می کند: نمونه گیری شابل، مزایده های جمع آوری یکسره و شهرت زنجیره ای که از کمک های تایید شده حاصل می شود.

فراتر از اعتبار، این زمینه به عوامل اقتصادی واقعی تبدیل شده است: Bittensor TAO پاداش حساب های معدن را برای تنظیم دقیق مدل های خاص زیر شبکه، Fetch.ai/ASI پاداش ASI-1 Mini LLM استفاده با توکن های FET، Gonka تحویلی مجدد تراسماتور اثبات کار به سمت وظایف هوش مصنوعی تولید کننده است. عوامل که به طور مستقل معامله وجود دارد امروز؛ سوال این است که چگونه انگیزه ها را هماهنگ کنیم.

این درس به اقتصاد عامل به عنوان یک خانواده مشکل خاص اعتبار، طراحی مکانیسم و شهرت و هر یک را با حداقل ریاضیات می سازد تا ایده ها باقی بمانند.

مفهوم

پنج لایه ای از عوامل اقتصادی

DePIN (physical compute).زیرساخت های غیرمتمرکز که GPU، ذخیره سازی، بیندوت را اجاره می دهند. زیرشبکه های بیتنسر، شبکه رندر، آکاش. نه برای عوامل خاص؛ عوامل از آن استفاده می کنند.
Identity.شناسه های غیرمتمرکز W3C (DID) به هر عامل یک شناسه پایدار مستقل از هر پلت فرم می دهند. شهرت به DID افزایش می یابد. پروتکل شبکه عامل (ANP) DID را به عنوان لایه کشف استفاده می کند.
Cognition.حلقه استدلال مامور: LLM + RAG + MCP. این چیزی است که مراحل دیگر ایجاد می کنند.
Settlement.استخراج حساب (ERC-4337) به عوامل اجازه می دهد بدون داشتن ETH از میزان خود گاز پرداخت کنند.
Governance.DAO های آژانس: ساختار های حاکمیت که در آن انسان ها و عوامل بر روی تغییرات پروتکل رای می دهند، با قدرت رای گیری مرتبط با شهرت.

هر سیستم تولید از هر پنج استفاده نمی کند. بیتنسر از 1, 2, جزئيا 3, جزئيا 4, هیچ یک از 5. عوامل OpenAI از هیچ یک استفاده نمی کنند به جز 3.

بيتنسور، فيتچ.اي، گونکا چه کار مي کنه

Bittensor (TAO).زیرشبکه ها وظایف تخصصی (نمادسازی زبان، تولید تصویر، پیش بینی) هستند. معدنکاران محصولات مدل را ارسال می کنند. اعتبارگرها آنها را رتبه بندی می کنند؛ امتیازات با وزن سهام پاداش TAO را توزیع می کند. هر زیرشبکه ارزیابی خاص خود را دارد. درس اقتصادی: برای کیفیت محصول خاص وظیفه پرداخت کنید، نه محاسبه مورد استفاده.

Fetch.ai / ASI Alliance.ASI-1 Mini LLM در شبکه Fetch.ai اجرا می شود؛ کاربران برای نتیجه گیری توکن های FET پرداخت می کنند. روایت عوامل به عنوان همتایان در اینجا قوی تر است: یک عامل در Fetch می تواند برای انجام یک کار دیگری تماس بگیرد و در FET پرداخت کند.

Gonka.اثبات کار ترانسفارمر: "کار" گذرگاه های پیشروی ترانسفارمر است. معدنکاران با اجرای وظایف نتیجه گیری که از داده های آموزش اطلاعات صحیح را می شناسند، درآمد می گیرند. PoW تولید کننده منابع به جای PoW مبتنی بر هش.

هر سه از این سه محصول در آوریل 2026 تولید می شوند. توزیع پرداخت متفاوت است. کیفیت پاداش های بیتسنور نسبت به اعتبارگرهای زیر شبکه؛ بهره وری پاداش های Fetch که توسط کاربران پرداخت شده اندازه گیری می شود؛ پاداش های Gonka کار نتیجه گیری قابل تأیید است.

اعتبار اعتبار به ارزش شابل

سه مامور در يک کار با همکاري ميکنن.

ارزش شابل: اختصاص اعتبار منحصر به فرد که چهار محور را برآورده می کند (کارایی، همپایه، خطی، صفر). برای عامل i:

shapley(i) = (1/N!) * sum over all orderings O of (v(S_i_O ∪ {i}) - v(S_i_O))

کجاS_i_Oمجموعه ای از عوامل قبل استiبه ترتیبOدر عمل: تمام permutations را فهرست کنید، سهم حاشیه ای هر عامل را در هر permutation ثبت کنید، متوسط.

برای N=3 عوامل، 6 تغییراتی وجود دارد. برای N=10, 3.6M بنابراین در عمل شما نمونه های ترتیب به جای فهرست.

مزایده قیمت دوم برای جمع آوری

گوگل ریسرچ ("تخلیق مکانیسم برای مدل های بزرگ زبان") پیشنهاد می کند تا برای جمع آوری محصولات LLM، مزایده های توکن با قیمت دوم انجام شود. تنظیم: N عامل هر کدام یک از آنها را به اتمام پیشنهاد می کنند؛ هر کدام یک از آنها دارای ارزش خصوصی برای انتخاب است. مزد فروشنده پیشنهاد با بالاترین ارزش را انتخاب می کند و دومی با بالاترین ارزش را پرداخت می کند. در جمع بندی یکسردی (قیمت بستگی به اینکه کدام پیشنهاد انتخاب شده است، نه اینکه چقدر پیشنهاد داده شده است) ، این حقیقت است عوامل قیمت واقعی خود را پیشنهاد می کنند.

چرا این برای سیستم های LLM مهم است: شما می توانید وظایف تکمیل را به چندین نماینده با قیمت های مختلف خارج کنید؛ مزایده بهترین را انتخاب می کند + به طور عادلانه پرداخت می شود، و نمایندگان هیچ انگیزه ای برای گزارش نادرست ندارند.

سرمایه گذاری

نمره شهرت مرتبط با DID از کمک های تایید شده جمع می شود. یک قانون تازه ساده:

rep(i, t+1) = alpha * rep(i, t) + (1 - alpha) * contribution_quality(i, t)

با فاکتور انحلالalphaنامشهرت:

برای تصمیم گیری در مسیر خواندن ارزان است ("رساندن وظایف سخت به عوامل با نمایندگی بالا").
ساخت آن گران است (با گذشت زمان جمع می شود و به DID متصل می شود).
می تواند کاهش یابد: سهم هایی که در تایید شکست می خورند، از آن حذف می شوند.

AAMAS 2025 لاماس غیرمتمرکز

پیشنهاد لاماس (AAMAS 2025) ترکیبی از: هویت DID، اعتبار اعتبار با ارزش شاپلی و مکانیسم آکشن ساده است. ادعای اصلی: لامحدود کردن مرحله اعتبار اعتبار باعث می شود که سیستم قابل بررسی و مصون به دستکاری یک نقطه باشد.

جایی که اقتصاد از هم می افتد

Price oracle manipulation.اگه ميتونيم عملکرد اعتباری رو بازي کنيم، ماموران بازي ميکنن هر مکانیزم نياز به آزمون مخالف داره
Sybil attacks.یک اپراتور N عوامل جعلی را برای افزایش سهم خود به ارمغان می آورد. DIDs آهسته اما این را متوقف نمی کند.
Verification cost.اعتبار اعتبار فقط به اندازه تایید کننده عادلانه است. اگر تایید ارزان است (LLC کوچک) ، می تواند بازی شود؛ اگر گران است (پینل انسانی) ، سیستم مقیاس نمی گیرد.
Regulatory overhang.اقتصاد های عامل با مقررات مالی متقابل هستند. بیتسنسور، فیتچ و گونکا همه در مناطق خاکستری قانونی در برخی از حوزه های قضایی از سال 2026 فعالیت می کنند.

وقتی اقتصاد عامل منطقی است

Open networks with heterogeneous operators.هيچ گروهي تمام ماموران رو کنترل نميکنه
Verifiable outputs.بدون تایید اعتبار اعتبار یک حدس است
Long-horizon workflows.وظایف یکبار از تجمع شهرت بهره مند نمی شوند.
Tokenized payments are legally viableدر حوزه قضايي شما

در سیستم های شرکت های بسته، اقتصاد به توزیع ساده تر (مدیران کار را اختصاص می دهند، متریک ها داخلی هستند) ، در بیشتر موارد ادبیات اقتصادی برای شبکه های باز اعمال می شود.

آن را بسازید

code/main.pyابزار:

shapley(value_fn, agents) محاسبه دقیق شپلی با شمارش برای N کوچک
second_price_auction(bids) مکانیسم صادقانه؛ برنده دومین مقام را می گیرد.
Reputation شهرت مرتبط با DID با تخریب و کاهش نمایی.
Demo 1: سه مامور با همکاري ميکنن، درست است که شپلي اعتبار ميده
نمایی 2: پنج نماینده برای یک محل کار پیشنهاد می دهند؛ حراج قیمت دوم برنده + پرداخت را انتخاب می کند.
نمایش 3: 100 دور وظیفه به عوامل با نماینده متغیر؛ بازتاب متزن شده توسط نماینده به طور تصادفی.

راه رفتن:

python3 code/main.py

تولید انتظار می رود: ارزش های شاپلی برای هر عامل؛ نتیجه حراج نشان دهنده تعادل واقعی پیشنهاد؛ مسیر با وزن تکراری نشان دهنده 10-20٪ افزایش کیفیت نسبت به تصادفی پس از گرم شدن.

ازش استفاده کن

outputs/skill-economy-designer.mdطراحی یک اقتصاد کمترین عامل: انتخاب لایه هویت، مکانیسم اختصاص اعتبار، مکانیسم پرداخت، قانون شهرت.

-باده

اداره يک اقتصاد عامل در سال 2026:

Start with reputation, not tokens.شهرت برای پیاده سازی ارزان و تنها ارزشمند است؛ توکن ها پیچیدگی قانونی و اقتصادی را اضافه می کنند.
Verify before you reward.هرگز بدون مرحله مستقل تایید اعتبار را توزیع نکنید. کیفیت خود گزارش شده به بازی های سیبیل می رسد.
Shapley-sample, not Shapley-exact.نمونه 100 تا 1000 سفارش؛ شمارش دقیق مقیاس نیست.
Cap decay factor and floor reputation.فاضلاب بدون محدودیت اهدا کنندگان مشروع را محو می کند؛ فاضلاب بسیار آهسته پاداش عوامل قدیمی با میزان بالایی را می دهد.
Audit mechanisms adversarially.قبل از باز کردن شبکه، سناریوهای گروه قرمز رو اجرا کنید. هر مکانیسم یک تئوری بازی داره. شما میخوای سوراخ ها رو پیدا کنی نه مهاجمان.

تمرینات

فرار کنcode/main.py. مقدار Shapley را به مجموع ارزش (اکسیوم کارایی) تأیید کنید. تابع ارزش را تغییر دهید؛ آیا اختصاصات Shapley در جهت انتظار تغییر می کند؟
پیاده سازی Shapley نمونه گیری (Monte Carlo بر K ترتیب). K چگونه بر دقت تقرب تاثیر می گذارد؟ مقایسه با دقیق برای N=4.
اقدام به تشکیل ائتلاف قبل از حراج را اجرا کنید: نمایندگان می توانند به تیم ها ادغام شوند و به عنوان یک واحد پیشنهاد دهند. کدام ائتلاف ها تشکیل می شوند؟ آیا نتیجه پارتو بهتر از پیشنهادات فردی است؟
مقاله ی طراحی مکانیسم تحقیق گوگل را بخوانید. فرضیه ای را شناسایی کنید که اگر نقض شود، صداقت را شکسته است. حالت شکست در یک تنظیمات LLM چگونه به نظر می رسد؟
مقاله لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لاماس لام

اصطلاحات کلیدی

Term	What people say	What it actually means
DePIN	"Decentralized physical infrastructure"	Token-incentivized compute/storage/bandwidth. Bittensor, Akash, Render.
DID	"Decentralized identifier"	W3C spec for portable IDs. Agent reputation binds to DID, not to a platform.
ERC-4337	"Account abstraction"	Contract accounts that can sponsor gas, enabling agent payments.
Shapley value	"Fair credit attribution"	Unique allocation satisfying efficiency, symmetry, linearity, null.
Second-price auction	"Vickrey auction"	Truthful mechanism: winner pays second-highest bid. Monotone aggregation compatible.
Reputation capital	"Accumulated quality score"	DID-bound score from confirmed contributions; decays over time.
Agentic DAO	"Agents + humans govern"	DAO with agent voters as first-class, voting power tied to reputation.
TAO / FET / GPU credits	"Token denominations"	Bittensor TAO, Fetch.ai FET, various DePIN tokens.

خواندن بیشتر

The Agent Economy بررسی سال 2026 از پنج لایه ایکنومی عامل
Google Research — Mechanism design for large language models آکشن های رمزنگاری شده با جمع بندی یکنواخت
AAMAS 2025 — decentralized LaMAS اعتبار اعتبار با ارزش شابل
Bittensor TAO documentation ساختار زیرشبکه و توزیع پاداش
Fetch.ai / ASI Alliance ASI-1 مینی LLM و FET
W3C Decentralized Identifiers (DIDs) spec بنیاد هویت

This free lesson is part of the AI Engineering from Scratch curriculum. Read the full explanation, run the lesson code, and verify the result in the interactive reader or from the repository source.

Browse the complete course catalog or open this lesson on GitHub.