💻 computer science

To Wait or To Probe: Arbitrage Competition on High-Throughput Blockchains

Questo articolo analizza come le configurazioni blockchain ad alto throughput influenzino la competizione tra le strategie di ricerca MEV mirate e quelle probabilistiche, dimostrando che, sebbene la ricerca probabilistica costituisca una minoranza dell'attività di arbitraggio, essa genera la stragrande maggioranza dello spam e del consumo di gas, mentre gli aggiustamenti del protocollo come i minimi di commissione e i flashblock spostano efficacemente i ricavi verso le transazioni andate a buon fine e riducono la congestione della rete.

Autori originali: Fei Wu, Burak Öz

Pubblicato 2026-06-02

📖 5 min di lettura🧠 Approfondimento

CC BY 4.0

Autori originali: Fei Wu, Burak Öz

Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Immaginate un mercato digitale ad alta velocità dove le persone corrono per trovare e comprare oggetti rari (come un libro in prima edizione) nel momento stesso in cui compaiono. In questo articolo, gli autori studiano come due diversi tipi di "cacciatori" (bot) competono per trovare queste opportunità su blockchain veloci come Base, e come le regole del gioco cambino chi vince.

Ecco la scomposizione dell'articolo utilizzando analogie semplici:

I Due Tipi di Cacciatori

L'articolo identifica due strategie principali che i bot utilizzano per trovare profitto:

Il "Pianificatore" (Ricerca Mirata):
- Come funziona: Questo bot sta a guardare e aspetta. Utilizza computer potenti fuori dal mercato per capire esattamente dove si trova il libro raro, quanto costa e come acquistarlo. Una volta che ha un piano perfetto, entra nel negozio e compie un singolo acquisto deciso.
- Il risultato: Sono molto efficienti. Raramente commettono errori, ma hanno bisogno di essere sicuri delle informazioni prima di agire.
Lo "Spazzino" (Ricerca Probabilistica):
- Come funziona: Questo bot è impaziente. Non aspetta un piano perfetto. Invece, corre nel negozio e inizia a controllare freneticamente ogni scaffale, ogni corridoio e ogni cesto, migliaia di volte al secondo. Chiede: "Il libro è qui? È lì?". Se trova una corrispondenza, lo compra. Se non la trova, continua a controllare.
- Il risultato: A volte trovano le opportunità più velocemente, ma creano una quantità massiccia di "rumore". La maggior parte dei loro controlli è inutile, intasando i corridoi del negozio e rendendo difficile il movimento per altri clienti. Nell'articolo, questi controlli inutili sono chiamati spam.

Il Problema: Il Negozio si sta Affolando

Gli autori hanno notato che, sebbene gli "Spazzini" rappresentino solo il 23% degli affari effettivi riusciti, sono responsabili del 95% del rumore (spam) e occupano il 20% dello spazio totale del negozio. È come una biblioteca dove una persona sta prendendo in prestito un libro, ma altre 100 persone corrono intorno gridando "Il libro è qui?" ripetutamente, bloccando le porte.

Gli Esperimenti: Cambiare le Regole

I ricercatori hanno osservato cosa accadeva quando i "gestori del negozio" (il protocollo della blockchain) cambiavano le regole in tre modi specifici:

1. L'Esperimento "Flashblocks" (Finestre più Veloci e Piccole)

Il Cambiamento: Il negozio ha iniziato ad aggiornare la sua lista di inventario ogni 200 millisecondi invece di ogni 2 secondi. Questo ha creato finestre di opportunità minuscole e in rapido movimento.
L'Effetto: Gli "Spazzini" hanno avuto difficoltà. Poiché le finestre erano così piccole, i bot pesanti e lenti che controllavano troppi scaffali sono stati spinti fuori dalla fila. Solo i bot più snelli e veloci sono sopravvissuti.
Il Risultato: Il numero di bot "Spazzini" è diminuito drasticamente. Tuttavia, quelli che sono sopravvissuti hanno iniziato a controllare gli scaffali in modo ancora più frenetico per compensare. Quindi, sebbene ci fossero meno Spazzini, il rumore totale non è diminuito quanto sperato perché i sopravvissuti stavano lavorando più duramente.

2. L'ondata dei "Nuovi Token" (Una Corsa all'Oro Temporanea)

Il Cambiamento: Due nuovi articoli popolari (token chiamati AVNT e MIRROR) sono stati introdotti improvvisamente. Nessuno conosceva ancora le regole per essi.
L'Effetto: Questo è stato un boom temporaneo per gli "Spazzini". Poiché nessuno aveva un piano pre-impostato per questi nuovi articoli, i bot che potevano correre e controllare tutto in tempo reale avevano un vantaggio. Un'enorme ondata di nuovi bot si è precipitata per tentare la fortuna.
Il Risultato: Ciò ha creato un picco massiccio di spam. Ma non appena i nuovi articoli sono diventati "normali" e le persone hanno capito le regole, gli "Spazzini" se ne sono andati e i "Pianificatori" hanno preso il sopravvento di nuovo.

3. L'Aumento delle Commissioni (Rendere Costoso il Controllo)

Il Cambiamento: Il negozio ha aumentato la commissione minima richiesta solo per entrare dalla porta e controllare uno scaffale.
L'Effetto: Questo ha colpito maggiormente gli "Spazzini". Poiché controllano migliaia di scaffali e falliscono la maggior parte delle volte, il costo di entrare dalla porta si accumula rapidamente. Se un bot controlla 1.000 scaffali e trova solo un affare, ma la commissione per il controllo è troppo alta, perde denaro.
Il Risultato: I bot che non potevano permettersi di continuare a controllare (quelli a basso valore) hanno lasciato il negozio. Gli "Spazzini" che sono rimasti erano quelli con gli affari più preziosi, ma i loro numeri sono diminuiti significativamente. I "Pianificatori", che effettuano solo un controllo per affare, sono stati meno colpiti.

La Grande Conclusione

L'articolo conclude che la progettazione del protocollo è importante.

Se rendete l'ordinamento delle transazioni molto veloce e granulare (come i Flashblocks), allontanate naturalmente i bot pesanti e spammy, ma i sopravvissuti potrebbero semplicemente lavorare più duramente.
Se alzate le commissioni, costringete i bot a essere più efficienti; non possono permettersi di sprecare tempo controllando cose che non sono di valore.

In definitiva, gli autori dimostrano che non si può semplicemente "vietare" lo spam. Bisogna capire come i bot stanno cacciando. Cambiando le regole del gioco (velocità, commissioni e informazioni), la blockchain può incoraggiare i "Pianificatori" e scoraggiare gli "Spazzini", rendendo il mercato più pulito ed efficiente per tutti.

Riepilogo Tecnico: Aspettare o Sondare: La Competizione di Arbitraggio sulle Blockchain ad Alto Throughput

1. Definizione del Problema

Sulle blockchain ad alto throughput, la ricerca di MEV (Maximal Extractable Value) si è biforcata in due distinte architetture economiche: la ricerca mirata (targeted search) e la ricerca probabilistica (probabilistic search).

Ricerca Mirata: I bot identificano le opportunità off-chain, simulano l'esecuzione e inviano transazioni con il percorso già impegnato (route-committed). Questo approccio comporta tipicamente meno tentativi, ma commissioni più elevate per singolo tentativo.
Ricerca Probabilistica: I bot inviano transazioni ripetute che leggono lo stato live on-chain per scoprire opportunità durante l'esecuzione. Questo approccio comporta un'alta intensità di tentativi, dove la maggior parte delle transazioni fallisce (soni probe o revert) senza produrre cambiamenti di stato utili, costituendo "spam".

Il problema centrale è come i parametri di progettazione del protocollo — specificamente la granularità dell'ordinamento (es. sub-blocchi vs blocchi completi), i livelli minimi di commissione (fee floors) e l'accesso alle opportunità — modellino la competizione tra queste architetture. Mentre la letteratura esistente modella la ricerca probabilistica in isolamento, questo documento formalizza la distinzione tra le due architetture e investiga come i cambiamenti del protocollo spostino l'equilibrio della composizione dei bot, del consumo di blockspace e delle entrate del protocollo.

2. Metodologia

Quadro Teorico

Gli autori sviluppano un modello di equilibrio a forma ridotta della competizione tra architetture. Il modello assume l'entrata libera finché i profitti attesi non vengono portati a zero. Le variabili chiave includono:

Regimi di Ordinamento: Baseline (blocco completo) vs Fino (sub-blocco/slice) ordinamento.
Competitività ( $\eta_r$ ): La probabilità che una transazione di scoperta on-chain rimanga competitiva nello stesso slice redditizio di una transazione off-chain. Il modello postula che un ordinamento più fine riduca $\eta_r$ per la scoperta on-chain a causa del maggiore consumo di blockspace per tentativo.
Accesso alle Opportunità ( $\lambda$ ): Il tasso con cui i bot possono accedere alle opportunità. La scoperta on-chain ha generalmente un accesso maggiore ( $\lambda_C \ge \lambda_O$ ) poiché può scansionare più percorsi dinamicamente.
Costi ( $K$ ): Costi totali inclusi gas e commissioni, che variano in base all'architettura e ai livelli minimi di commissione.

Il modello deriva le costanti comparative prevedendo che:

L'ordinamento più fine riduce la vitalità della scoperta on-chain, in particolare per i bot con "impronte di scansione" elevate (letture di stato pesanti).
Livelli minimi di commissione più elevati danneggiano sproporzionatamente le architetture con alta esposizione alle commissioni (alto gas per tentativo e alta intensità di tentativi).
Shock di opportunità (es. lancio di nuovi token) possono temporaneamente rivitalizzare la ricerca on-chain creando percorsi non ancora indicizzati off-chain.

Strategia Empirica

Lo studio utilizza Base come caso di studio, coprendo il periodo da giugno 2025 a febbraio 2026. Questo periodo include importanti cambiamenti di configurazione: l'introduzione di Flashblocks (sub-blocchi da 200ms) e un'escalation multi-step della commissione base minima.

Costruzione del Dataset:

Dataset: 21,37 milioni di arbitraggi ciclici riusciti e 985 milioni di transazioni spam (probe e revert) da 4.365 indirizzi di bot unici.
Classificazione: Un classificatore a livello di trace distingue le architetture dei bot in base alle transazioni di arbitraggio andate a buon fine. Analizza gli output di debug_traceTransaction per categorizzare i bot in:
- Scoperta Off-chain: Percorso impegnato off-chain; nessuna lettura dello stato pre-swap o letture confinate al percorso di esecuzione.
- Valutazione On-chain: Legge lo stato on-chain ma è confinata al percorso di esecuzione finale.
- Scoperta On-chain (Probabilistica): Scansiona un insieme superiore di venue prima di selezionare un percorso (scoperta on-chain ampia).
Aggregazione: Le etichette sono aggregate a livello di bot-settimana per analizzare gli spostamenti della popolazione, l'intensità dello spam e le metriche di efficienza.

Episodi di Analisi

L'analisi empirica testa le previsioni del modello attraverso tre episodi specifici:

Attivazione Flashblocks (Luglio 2025): Testa l'effetto di un ordinamento più fine.
September Surge (Settembre 2025): Testa l'effetto degli shock di accesso alle opportunità (lancio di nuovi token AVNT/MIRROR).
Escalation della Commissione Base Minima (Dicembre l 2025 – Febbraio 2026): Testa l'effetto dell'aumento dei livelli minimi di commissione.

3. Contributi Chiave

Formalizzazione delle Architetture di Ricerca: Il documento distingue formalmente tra ricerca mirata e probabilistica, modellando come la granularità dell'ordinamento e le commissioni ne determinino la relativa vitalità.
Classificatore a Livello di Trace: Sviluppo di un nuovo classificatore che identifica le architetture di ricerca basandosi sulla scoperta del percorso osservabile nei trace delle transazioni, validato rispetto al comportamento di esecuzione e ai profili di spam.
Validazione Empirica delle Costanti Comparative:
- Flashblocks: Ha confermato che l'ordinamento più fine seleziona contro i bot di scoperta on-chain con impronta di scansione elevata, spostando il mercato verso bot di scoperta off-chain più snelli.
- Shock di Opportunità: Ha dimostrato che il lancio di nuovi token riattiva temporaneamente la ricerca probabilistica, guidata da entranti a breve durata.
- Livelli Minimi di Commissione: Ha mostrato che i livelli minimi di commissione selezionano contro i bot la cui gestione del flusso di opportunità non può sostenere tentativi ripetuti, riducendo la vitalità delle architetture ad alta esposizione.
Quantificazione degli Esiti a Livello di Chain: Ha misurato l'impatto di questi spostamenti sulla composizione delle entrate delle commissioni di priorità e sull'efficienza dello spazio dei blocchi.

4. Risultati Chiave

Caratteristiche delle Architetture dei Bot

Ricerca Probabilistica (Scoperta On-chain): Rappresenta solo il 23% dell'attività di arbitraggio riuscita ma genera il 95% delle transazioni spam e consuma il 20% del gas totale di Base. Questi bot hanno tassi di successo bassi (4,58%) e costi elevati per successo.
Ricerca Mirata (Scoperta Off-chain): Tassi di successo più elevati (42,51%), generazione di spam inferiore e pagamenti di commissioni di priorità più alti per transazione.

Risultati Specifici per Episodio

Flashblocks (Ordinamento più Fine):
- Effetto Selezione: La popolazione di bot di scoperta on-chain è scesa dal ~63% al ~25% dei bot attivi. I bot con impronta di scansione elevata (calldata brevi, molti pre-read) sono stati selezionati all'esterno.
- Sopravvissuti: I bot on-chain rimanenti hanno semplificato la loro logica (calldata più lunghi, meno letture).
- Paradosso dello Spam: Nonostante la riduzione della popolazione di bot, lo spam aggregato non è diminuito proporzionalmente perché i bot sopravvissuti hanno aumentato la loro intensità di tentativo (probando più frequentemente).
- Efficienza: I tassi di successo della scoperta off-chain sono migliorati (35,8% $\to$ 43,6%) grazie alla riduzione del rischio di stato obsoleto.
September Surge (Shock di Opportunità):
- Si è verificato un picco temporaneo nei bot di scoperta on-chain (da ~30 a ~220) intorno al lancio dei token AVNT e MIRROR.
- Entranti Transitori: Il 92% di questi nuovi bot erano "tentativi" a breve durata che uscivano una volta che i percorsi dei token specifici venivano routinizzati.
- Shock di Spam: Questa ondata ha generato 147 milioni di transazioni spam, principalmente da bot transitori.
Escalation della Commissione Base Minima (Canale dei Costi):
- Man mano che la commissione base minima saliva da 200K a 5M WEI, la quota di bot di scoperta on-chain è scesa dal 22% all'8,4%.
- Meccanismo di Selezione: Il livello minimo di commissione ha selezionato contro i bot con basso valore per tentativo. I bot sono sopravvissuti solo se le loro opportunità di successo erano abbastanza preziose da compensare il costo cumulativo dei ripetuti tentativi falliti.
- Stabilità dell'Impronta: A differenza di Flashblocks, l'aumento delle commissioni non ha selezionato verso una logica meno intensiva di scansione; piuttosto, ha eliminato i tentativi a basso rendimento.

Entrate del Protocollo e Spazio dei Blocchi

Composizione delle Entrate: Post-Flashblocks, la quota di commissioni di priorità derivante dallo spam è scesa da >60% a circa il 40-45%. Le entrate si sono spostate verso gli arbitraggi riusciti e verso tentativi probabilistici con offerte più alte.
Efficienza dello Spazio dei Blocchi: Sebbene lo spam rimanga un carico significativo, la sua quota di consumo totale di gas è diminuita dopo Flashblocks e ulteriormente durante l'incremento delle commissioni (dal ~20% al ~15%), salvo picchi temporanei durante gli shock di opportunità.

5. Significato e Rivendicazioni

Il documento sostiene che la progettazione del protocollo non influenza semplicemente il volume dell'estrazione di MEV, ma altera fondamentalmente il meccanismo di ricerca.

Comportamento di Equilibrio: I tentativi falliti (spam) non sono solo inefficienze, ma risultati di equilibrio delle architetture di ricerca sotto specifici vincoli di ordinamento e commissioni.
Scelte Politiche (Trade-off):
- L'Ordinamento più Fine (es. Flashblocks) seleziona efficacementamente contro la scansione ampia, ma può indurre una maggiore intensità di tentativo tra i sopravvissuti, limitando la riduzione totale dello spam.
- I Livelli Minimi di Commissione agiscono come un filtro per i margini valore-costo, impattando sproporzionatamente la ricerca probabilistica con opportunità a basso rendimento.
Esternalità: L'esternalità primaria della ricerca probabilistica è la congestione dello spazio dei blocchi. I cambiamenti del protocollo possono mitigare questo aspetto spostando la composizione dei bot verso la ricerca mirata, sebbene shock temporanei di opportunità possano rivitalizzare lo spam.

Gli autori concludono che comprendere queste distinzioni architettoniche è cruciale per progettare protocolli in grado di ridurre le esternalità dello spam senza sopprimere l'attività economica utile come l'arbitraggio. Suggeriscono che il lavoro futuro dovrebbe esplorare come queste dinamiche si applichino ad altre forme di MEV (liquidazioni, arbitraggio cross-domain) e diversi ambienti blockchain.