本文是  ICDCS 2022入选论文 Funding Public Goods with Expert Advice in Blockchain System 的解读。该论文为北京大学前沿计算研究中心算法博弈论实验室2021年暑期夏令营的科研结果，指导老师为北京大学前沿计算研究中心邓小铁教授和苏州科技大学程郁琨教授，并获得秘猿科技公司支持赞助。文章提出了一种采用专家建议对区块链上公共品项目投资算法，并对该算法的运行效果进行了理论分析和实验模拟，证明了其投资效果。

01 研究背景

　　随着区块链系统的发展及区块链上的参与者逐渐增多，人们如今不仅满足于区块链的交易功能，而是期待区块链技术能够带来更多的功能和便利。因此，许多构建各种区块链不同功能的项目得以产生并需求投资。其中，项目可以分类为非公共品项目和公共品项目。前者例如 NFT，Defi 等通常是能够直接盈利的项目，因此开发者有动力去自发构建此类功能，并不缺少投资。而公共品项目，例如开源技术开发，客户端研发，区块链技术教学等等，其通常无法创造直接收益，但是却对区块链的发展异常关键。因此，如何在区块链上投资公共品项目成为了一个重要问题。

　　该问题在近年来也受到了业内人士的关注。一个名为 Gitcoin Grants 的区块链公共品筹款平台在2019起就开始运行，并受到以太坊基金会和众多区块链系统的持续资金支持。目前已有超过5000个公共品项目从该平台获得资金。仅在今年为期不到一个月的 Grants 第13轮中，该平台就获得了超过120广域网美元的投资和超5万笔捐赠，并投资了超过700个数量的公共品项目。

图1. Gitcoin Grants13轮

　　该平台目前使用二次融资（Quadratic Funding）算法进行项目投资决策。在二次融资算法中，出资者首先将所有资金投入到一个匹配池中。之后，资金池将根据每个项目获得的捐赠者数量和每笔金额来决定项目从匹配池中能获得的额外投资数。当所有人都是完全信息时，该算法被证明能够最大化社会福利。

图2：Quadratic Funding算法

　　虽然二次融资算法是一种有效的投资分配方法，但它也有一些不足之处：

　　1. 人群的集体偏见会造成有偏的投资结果。

　　2. 该算法没有用到任何项目运行的事后信息，来调整投资决策。

　　3. 该机制容易遭受女巫攻击，导致攻击者可以伪造身份，骗取大量匹配池资金。

02 专家建议决策算法

　　为了应对上述挑战，我们引入了采用专家建议的决策算法框架，以帮助区块链系统解决公共产品项目投资问题。我们的关键思想是通过维护一组来自区块链社区的专家，根据专家的建议和信誉做出投资决策，并根据投资结果不断调整专家的信誉，以此使投资效果越来越好。

图3. 采用专家建议的决策算法

　　在公共品投资问题上采用该算法能很好的解决上述的三个问题：

　　1. 由于专家的投资经验更为丰富，他们会对项目的投资有更准确的预测，而不易受到群体偏差的影响。

　　2. 此类算法会通过项目投资的结果来更新专家的声誉，从而使项目的期望投资效果越来越好。

　　3. 专家需要在注册阶段验证身份，能够抵抗女巫攻击。

03 主要难点与解决方法

　　然而，传统的专家建议决策算法由于以下原因，并不能直接应用于区块链公共品投资问题上：

　　1. 首先是反馈问题。传统的算法需要获得每个专家建议结果的反馈，而在投资问题中算法只会获得一个反馈值。

　　2. 其次是专家离线问题。在区块链系统中，专家可能会在任何时刻突然离线。因此改进算法以处理此类情况也是要解决的重要难题。

图4. 算法面临的主要难点

　　我们解决了上述的问题并提出了一个基于专家建议的公共物品投资协议。该协议首先通过一个专家双轮建议的设计，解决了上述的反馈问题。之后我们设计了新的信誉更新的方法，解决了专家离线问题。

图5. 协议概要

04 理论分析及实验效果

　　我们引入排序后悔值（ranking regret）作为衡量投资效果的基准。我们首先证明了对于任何投资协议，在面对完全能力的攻击者（fully adversary）时，至少会受到的损失。其中 m 是专家离线总轮数，T 是投资总轮数，n 是专家组数量。之后我们证明，我们的算法最多会产生的损失。即我们算法的损失上届与理论损失下届同阶。

　　同时，我们还通过模拟实验的方式评估算法性能。在模拟中，我们假设人们的估计是从社区周围的正态分布中得出的。在这种情况下，我们分别实现了二次融资算法和两个我们设计的采用专家建议的决策算法，并对比了投资效果。从图中我们可以看出，该投资算法的累计损失和每轮平均损失值均小于二次融资算法。

图6. 模拟实验结果