Operating-Layer Controls for Onchain Language-Model Agents Under Real Capital
本文表明，在链上市场中管理真实资本的可信自主语言模型代理，其可靠性更少依赖于基础模型能力，而更多取决于具备类型化控制、策略验证和执行防护的稳健操作层，这些要素共同减少了诸如伪造交易规则等关键故障，并在为期 21 天的大规模部署中实现了高结算成功率。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你雇佣了一位极其聪明但略显死板的机器人厨师来经营一家餐厅。你给厨师一份菜单和一笔预算（你的“授权”），并告诉它：“做出美味的食物，不要浪费钱。”
过去，研究人员在模拟环境中测试这些机器人厨师：他们给厨师提供虚假的菜单和假钱。这些厨师在纸面上表现完美。但这篇论文描述的是，当它们用真金白银和真实顾客实际经营餐厅 21 天后所发生的情况。
以下是他们发现的故事，使用简单的类比来说明。
重大发现：关键不在于厨师的大脑
团队原本以为，只要雇佣一位“更聪明”的机器人厨师（即更强大的 AI 模型），餐厅就能完美运营。但他们错了。
他们发现，餐厅的可靠性并非仅来自厨师的大脑，而是来自围绕厨师的厨房管理系统。他们将其称为“操作层”。
可以这样理解：
- 模型（厨师）：能够阅读食谱并切菜。
- 操作层（厨房经理）：检查食材是否新鲜，阻止厨师随意丢弃食物，确保厨师不会不小心把厨房烧掉，并核对账单是否与顾客点单一致。
该论文认为，要让 AI 处理真实资金，你需要一位极其严格的厨房经理，而不仅仅是一位更聪明的厨师。
实验："DX Terminal Pro"
团队建立了一个名为DX Terminal Pro的真实世界测试。
- 设置：3,505 人将自己的真实资金（ETH）投入“金库”。
- 规则：人类可以设定规则（例如“冒险”或“保守”），但不能直接触碰资金。只有 AI 代理可以买卖代币。
- 风险：每次 AI 进行交易，都会产生真实的手续费（每笔交易 2.3%）。如果 AI 犯错，真实资金就会消失。
- 规模：AI 做出了 750 万次决策，交易了价值约 2000 万美元的加密货币。
“厨房噩梦”（失败模式）
在真实事件发生前，团队进行了测试，发现了 AI 厨师搞砸的五种具体方式。他们通过修改“厨房经理”的规则解决了这些问题，而不是解雇厨师。
“伪造规则”问题（规则捏造）：
- 故障：AI 会编造不存在的规则，例如说“我必须卖出，因为‘规则 #2'这么规定”，但实际上并无此规则。
- 修复：他们告诉 AI：“不要编造法律。如果你没看到书面规定，那就不是规则。”
- 结果：伪造规则的比例从决策总数的 57% 降至仅 3%。
“费用瘫痪”问题：
- 故障：AI 看到 2.3% 的手续费后吓得不敢交易，即使那是很好的机会。这就像厨师因为开炉灶要花钱而拒绝做饭。
- 修复：他们将费用警告移至指令末尾，紧跟在市场机会之后。他们教导 AI：“是的，有手续费，但这是这笔交易值得做的原因。”
- 结果：AI 不再僵住，重新开始交易。
“数学困惑”问题（数字僵化）：
- 故障：AI 将软性建议当作硬性法律。如果你说“尝试花费约 33%"，AI 就会执着地每次都精确达到 33%，即使这毫无意义。
- 修复：他们停止使用精确数字，改用比较性表述（例如“市场火热时多花一些”）。
- 结果：AI 的行为变得更自然，少了一些机械感。
“代币陷阱”问题（代币经济学误读）：
- 故障：一种代币价格暴跌。AI 看到暴跌后立即卖出所有持仓，却没意识到该代币有一条特殊规则：即使价格下跌，持有者也能获得收益。这就像因为商店换了标志就卖掉优惠券，却没意识到优惠券仍然有效。
- 修复：他们在展示价格暴跌之前，先向 AI 提供清晰、结构化的特殊支付规则说明。
- 结果：AI 不再恐慌，做出了更明智的决策。
“看钟者”问题（节奏交易）：
- 故障：AI 仅仅因为“距离上次交易已过去 10 分钟”就开始交易，完全无视市场。这就像厨师仅仅因为时钟显示到了时间就切菜，而不管食材是否需要切。
- 修复：他们告诉 AI 忽略时钟，仅根据市场信号进行交易。
结果：一家更好的餐厅
一旦他们修复了“厨房经理”（操作层），系统运作得极其出色：
- 99.9% 的成功率：AI 尝试进行的几乎每笔交易都是有效的并成功执行。
- 真实行为：AI 不仅遵循指令，还对市场做出反应。有时，当一个 AI 发现好机会时，数百个其他 AI 也会同时看到并买入（“羊群”效应），就像真实人类一样。
- 更优的指令：提供清晰、具体指令（使用滑块和复选框）的用户，比那些只写模糊备注（如“让我发财”）的用户获得了更好的结果。
主要结论
该论文得出结论：如果你希望 AI 处理真实资金，不要只寻找更聪明的 AI 模型。
你需要在它周围构建一个更好的系统。你需要：
- 将人类的愿望转化为清晰、结构化的规则。
- 在 AI 花费一分钱之前检查其工作。
- 完整记录每一个想法、决策和交易，以便在出现问题时能准确找出原因。
“操作层”是安全网，它将聪明但困惑的机器人转变为可靠的金融代理。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。