a16z：解决加密货币行业最棘手的问题

我们很幸运能够对加密货币领域有广阔的视野，并有机会与最好的建设者、创始人和企业家交谈。结果，我们听到了最聪明的人正在研究的许多有趣的问题。有些问题是每个人都会遇到的问题，而且解决起来太具有挑战性，有些问题的记录很少，仅作为部落知识存在。

我们列出了一系列难题和悬而未决的问题，我们相信这些问题可以而且应该得到解决，以帮助解锁加密货币的未来。就像技术树中的重要节点一样，解决下面的每个问题都将解除许多创建和支持去中心化网络的构建者和开发者的障碍。为了纪念发起这一切的白皮书作者，我们将其称为“中本挑战”。

上周，我们宣布下一期加密创业学校的申请开放至 10 月 20 日。我们正在寻找那些想要在加密货币领域进行重大、大胆的转变并决心打造变革性事物的创始人。我们并不期望我们的中本聪挑战能够为这些棘手的问题带来完整的解决方案，但我们确实希望激活最聪明的企业家提出并开始构建创造性的新路径来实现这一目标，这将推动整个加密生态系统的发展。对每个中本挑战问题给出最佳答案的个人或公司将被快速进入我们的加密创业学校申请流程的面试阶段。

如果您对我们的一个或多个问题有令人信服的答案，请通过电子邮件发送给我们：[email protected]。

狩猎快乐！

原子可组合性和共享测序的局限性

问题陈述：也许当今最受关注的扩展区块链的途径是在以太坊上部署许多汇总。虽然这促进了安全性和去中心化，但在以太坊上部署许多断开连接的汇总会破坏可组合性。我们相信原子可组合性（当且仅当事务 B 完成时发送事务 A 并最终完成的能力）至关重要。

请描述以太坊上汇总之间的可组合性限制。理想的解决方案将提出一个正式的汇总模型和一个不可能的结果。

相关阅读：

Shared Validity Sequencing

The Espresso Sequencer

Shared Sequencing: Defragmenting the L2 Rollup Ecosystem

Optimism SuperchainandSuperchain Explainer

zkSync HyperchainsandHyperchains documentation

Rollups aren’t real

DePIN验证

问题陈述：

去中心化物理基础设施网络（DePIN）代表了一类处理物理基础设施的区块链应用程序。尽管智能合约平台和支付可以使用经典共识或有效性证明进行去信任计算，但由于可扩展性限制和验证物理传感器数据的预言机问题，DePIN 项目通常不能使用。

当前基于硬件的验证方法包括在制造时嵌入公钥/私钥对，或使用安全元件（如可信执行环境）构建定制硬件。不幸的是，嵌入密钥对意味着只有某些方制造的设备才能加入网络，从而增加了一定程度的许可，并且可信执行环境都需要特定于应用程序的硬件，并且通常容易受到黑客攻击。

由于共识和有效性证明等现有软件方法不可行，并且现有硬件方法有显着的缺点，因此我们对新的潜在的基于软件的验证方法感到兴奋。一些项目探索了随机抽样作为测量方法的想法，以确保 DePIN 网络中理性参与者的行为符合协议。

随机抽样验证方法的早期概述通常涉及网络向网络上的每个提供者/验证者生成测量请求。如果正确地满足了测量请求，提供者将获得更大的奖励，类似于区块奖励。只要提供者无法区分测量请求和正常请求，他们就会被激励正确响应每个请求。

如果没有验证，许多 DePIN 网络就会成为三种常见激励挑战的受害者：

• 当 DePIN 网络中的提供商向自己请求服务并从网络接收区块奖励或服务付款时，就会发生自我交易。如果提供商收到的付款高于用户支付的金额（通常是由于早期补贴或集体奖励），那么作为服务提供商从自己那里购买服务是有利可图的。
• 与那些承诺满足客户请求但根本不响应或以低于其承诺的服务质量响应的懒惰提供商竞争。
• 提供商愿意赔钱来说服客户相信恶意响应。正如目前所概述的，随机抽样在解决恶意提供商方面做得最差，但在改善自我交易或懒惰方面做得更好。

请为DePIN项目的验证提出一个通用的解决方案，或者为DePIN项目的子类别（DeWi、去中心化能源、去中心化拼车/配送等）提出一个具体的解决方案

相关阅读：

Engineering Filecoin’s economy

Orchid Whitepaper

Helium Whitepaper

Helium Proof of Coverage

Nym whitepaper

JOLT + 套索问题

问题陈述：

SNARK 虚拟机 (VM) 支持高度可扩展的去中心化计算，例如区块链。Jolt是一种在Lasso之上构建 SNARK VM 的新模型，Lasso 是一种快速查找参数。我们相信 Jolt 将成为在不久的将来构建自定义 SNARK 虚拟机的最有效方法。我们在今年早些时候发布了Lasso 的示例实现，并计划在今年晚些时候发布完整的 Jolt。

现代非交互式证明系统的效率取决于其多项式承诺方案的效率。Lasso 建立在与当今生产的大多数 SNARK 不同的谱系之上。这些基于和检查的 SNARK 依赖于多线性多项式承诺方案 (PCS)，而不是单变量。因此，对多线性多项式承诺方案的效率属性（证明者和验证者）进行的分析较少。Lasso 论文的 2.2 节简要描述了这些不同的 PCS。

请扩展本节，以在去中心化系统验证的背景下，对 3-5 种不同的多项式承诺方案及其成本进行全面分析（理论和/或经验）。我们直接对证明者和验证者的成本概况感兴趣，以及在现有 SNARK 方案中递归验证 Jolt 证明的成本，尤其是那些具有 EVM 兼容验证器的方案。

具体请详细说明：

• 证明计算成本
• 验证者计算成本
• 校样尺寸
• 递归验证器计算成本
• 递归验证器证明大小

相关阅读：

Lasso Paper

Jolt Paper

Lasso Repo

Introducing Lasso and Jolt

Understanding Lasso and Jolt

合规的可编程隐私

问题陈述：

虽然当今大多数智能合约和区块链都是完全透明的，但我们坚信，隐私对于充分发挥区块链作为构建去中心化网络的社会协调工具的潜力至关重要。很明显，隐私变得越来越复杂，私人智能合约或支付协议可能需要考虑一些 KYC、合规性或非法金融和制裁筛选功能，以使不同司法管辖区的用户能够参与并限制开发者面临的法律风险。目前的方法包括存款延迟以及存款和取款筛选。完全可编程的智能合约平台使现有方法变得更加复杂，任何开发人员都可以在其中部署自己的桥。

请提供建议的合规解决方案，以解决支持隐私和可编程智能合约平台的非法金融缓解问题。解决方案应最大程度地消除法律和监管风险，同时保持隐私和免信任性。

相关阅读：

Achieving Crypto Privacy and Regulatory Compliance

Privacy-Protecting Regulatory Solutions Using Zero-Knowledge Proofs: Full Paper

Derecho: Privacy Pools with Proof-Carrying Disclosures

Privacy Pools

Blockchain Privacy and Regulatory Compliance: Towards a Practical Equilibrium

Configurable Asset Privacy for Ethereum (CAPE)

最佳 LVR 缓解

问题陈述：

损失与再平衡（又名 LVR，读作“杠杆”）是在 2022 年的一篇论文中提出的，作为对流动性提供者承担的逆向选择成本进行建模的一种方式，该成本由恒定功能做市商去中心化交易所（CFMM DEX）承担。目前的工作重点是寻找一种在不使用价格预言机的情况下减轻 DEX 中 LVR 的最佳方法。

请描述 LVR 的潜在缓解措施，并论证为什么您提出的解决方案比所有已知的替代方案更好。

相关阅读：

Loss vs. Rebalancing Paper

LVR: Quantifying the Cost of Providing Liquidity to Automated Market Makers

SBC ‘22 LVR Talk by Tim Roughgarden

Automated Market Making and Loss-Versus-Rebalancing

设计 MEV 交易供应链

问题陈述：

假设您可以从头开始，矿工可提取价值（MEV）交易供应链的最佳设计是什么？如今的流程很自然地分为搜索者、构建者和提议者的不同角色。将这些角色维持为独立角色与将它们整合起来有何经济权衡？是否有引入有益的新角色？调解不同各方如何互动的最佳机制是什么？调节 MEV 供应链功能的机制是否可以纯粹是经济性的，或者是否存在需要加密解决方案/可信组件的组件？

“最佳”的含义故意含糊其辞。争论评估不同机制时哪些指标最重要。我们是否要求整个供应链中的任何代理团体之间严格抵制串通？难道我们只要求供应链同一层级的代理商之间不能串通吗？该机制的属性保持均衡就足够了，还是所有各方都有主导策略很重要？另一方面，交易供应链“最优”的下限是多少？是否在某些条件下无法实现我们可能想要的所有“最佳”属性？

这个问题有待解释。请随意解决上述任何问题或提供您自己的交易供应链设计机制的方向。

相关阅读：

Credible Auctions: A Trilemma

Foundations of Transaction Fee Mechanism Design

Transaction Fee Mechanism Design with Active Block Producers

The Centralizing Effects of Private Orderflow on PBS

Contingent Fees in Orderflow Auctions

Time is Money: Strategic Timing Games in Proof-of-Stake Protocols

The Specter (and Spectra) of Miner Extractable Value

Why Enshrine Proposer Builder Separation

The Future of MEV is SUAVE

Infinite Games

利用区块链进行 Deepfake 保护

问题陈述：深度伪造（由人工智能生成的合成视频、照片或录音）的兴起已成为一种常见现象，它可以令人信服地取代一个人的肖像和声音，从而导致错误信息活动、欺诈和其他恶意活动中的潜在滥用。最近的话题。尽管正在研究各种深度造假检测方法，但挑战仍然在于提供一种可验证且无需信任的方式来确保数字内容的真实性。

区块链和智能合约为解决这一问题提供了一条有希望的途径。通过利用区块链的不可变性质和智能合约的自动执行，可以创建一个系统来验证和确认真实内容并将其与篡改或深度伪造的版本区分开来。

您的任务是设计一个系统，使观看者或平台能够验证视频、录音或照片的真实性。这可能包括信誉系统（根据验证结果进行奖励或惩罚，例如，奖励真实内容的创建者或标记被篡改的内容），也可能不包括。考虑您所提议的系统的可扩展性、隐私性和效率，尤其是在涉及大型视频文件时。您的解决方案应该最大限度地减少计算和存储开销，并且应该能够广泛采用。

主要挑战包括解决重新录制攻击向量（如果有人录制显示视频的屏幕，则二次录制可能会绕过一些简单的真实性检查）以及允许合法的更改（裁剪、缩短视频）。

相关阅读：

Deep Fake Generation and Detection: Issues, Challenges, and Solutions

Combating Deepfake Videos Using Blockchain and Smart Contracts

How Blockchain Can Help Combat Disinformation

Why Decentralized CMS is the Future of Content Management for Web 3.0 and Beyond

Combating Deepfakes: Multi-LSTM and Blockchain as Proof of Authenticity for Digital Media

Geometrically robust video hashing based on ST-PCT for video copy detection

Solving the Deepfake Problem: Proving the Authenticity of Digital Artifacts with Blockchain

致谢：感谢 Pranav Garimidi、Liz Harkavy、Michele Korver、Sam Ragsdale 和 Tim Roughgarden 提出挑战问题，感谢 Jason Rosenthal、Daren Matsuoka 和 Mike Manning 帮助实现这一目标。