Bittensor子网运作揭秘：Yuma共识与排放机制

Bittensor 子网作为自给自足的激励机制运作，矿工提供 AI 商品，验证者通过在固定节奏上提交权重向量不断对该输出进行定价。Subtensor 然后在链上运行 Yuma 共识，将这些权重转换为子网排放和参与者支付，另一个层面决定子网获得多少排放。

关键要点

• Bittensor 子网主要是一个链下规则书（任务 + 评分），只有当其验证者权重通过 Yuma 共识在链上结算时，才具有经济约束力。
• 在每个节奏内（描述为 360 个区块），验证者通过突触查询矿工并提交权重向量，Subtensor 将这些向量与权重加权剪裁进行汇总。
• 在所描述的架构中，排放在区块级别进行分配：41% 给矿工，41% 给验证者，18% 给子网创建者。
• 子网排放是一个两层的分配问题：一层决定子网的网络排放份额（根权重，以及在 2025 年后框架中，dTAO 风格的权益信号），另一层决定子网内部谁获得支付。Bittensor 子网的结构子网创建者提供一个激励机制，指定屏幕上两个重要的内容：矿工必须生产什么，以及验证者将测量什么。该激励机制主要以代码和惯例的形式存在于链下，然后在 Subtensor 区块链上启动，以便子网可被发现并能够连接到链上结算。

子网的激励机制

矿工和验证者的角色

bittensor子网的模板视图是故意具体的。子网有矿工、验证者、定义它们如何交流的协议，以及让这些参与者与链上结算引擎yuma共识互动的Bittensor API。API在参考模板中，“发送的内容”和“返回的内容”在template/protocol.py中定义，矿工行为在neurons/miner.py中，验证者行为在neurons/validator.py中。验证者的前向传递和奖励逻辑也是明确的表面，位于template/forward.py和template/reward.py中。

这种文件布局不仅仅是开发者的便利。这是大多数解释者模糊的边界线。链不是定义AI任务的地方，也不是大多数评分逻辑运行的地方。链的工作是记录抵押，接受验证者权重提交，并运行最终确定支付的聚合。子网的工作是定义商品和测量。

这就是为什么更广泛的“TAO子网解释”框架是有用的：经济对象不是“合同”，而是市场设计。链上部分只是使其可执行。

子网内部的矿工和验证者工作流程

子网轮次是一个I/O循环，具有标准化的有效载荷格式和一个评分循环，可以根据子网的需求进行调整。模板将Bittensor通信描述为两个过程：通过创建和填充突触来准备数据以进行传输，然后处理从轴突接收到的响应。验证者通过树突发送请求，矿工通过轴突提供响应，突触是请求-响应容器。

模板的SubnetsAPI围绕两个抽象方法正式化了该接口：prepare_synapse和process_responses。关键不在于确切的方法签名。关键在于子网标准化了验证者如何将“我想在X上测试矿工”转化为有效载荷，以及如何将“这是矿工的响应”转化为可评分的内容。

在操作上，tempo内部的工作流程如下：

1. 验证者生成查询并构建突触。突触编码子网特定的任务输入。2. 验证者通过树突调用将突触发送给一组矿工，并接收轴突响应。3. 验证者应用子网特定的前向和奖励逻辑，将响应转化为权重向量，这更接近于投资组合分配而不是单一分数。4. 验证者将该权重向量提交给Subtensor以供子网使用。

那个“权重向量”的细节是改变关于激励的推理方式的部分。验证者不仅仅是在评分矿工。他们不断地在矿工之间表达相对偏好，而这些偏好就是链后来汇总的内容。如果一个子网的奖励函数设计不佳，对抗性矿工不需要破坏链。他们只需要了解验证者代码支付的内容。

Yuma Consensus 如何将分数转化为奖励

每个节拍都以结算事件结束。论文中描述的机制是，在每个定义为360个区块的节拍结束时，Subtensor 收集每个子网的验证者权重向量，并将其输入到 Yuma Consensus 中。Yuma 然后应用基于权益加权的剪裁，产生矿工和验证者的排放。

剪裁细节是链上执行层。验证者可以提交他们想要的任何权重，但聚合步骤旨在减少相对于权益加权基准的异常权重的影响。结果是，支付不是“某个验证者所说的”，也不是“原始准确性”。它们是由权益塑造的共识结果。

同一篇论文还在描述的架构中明确了区块级别的支付管道。每个区块铸造的 TAO 分配为 41% 给矿工，41% 给验证者，18% 给子网创建者。委托人通过向验证者质押参与，并按照他们的质押比例分享验证者的排放。

这就是双订单簿思维模型开始重要的地方。在子网内部，矿工和验证者在争夺 Yuma 根据汇总权重分配的 41/41 分割。在子网外部，子网本身在争夺它首先获得多少排放。混淆这些层次会导致错误的归因。如果子网的排放份额缩小，矿工可以改善但仍然赚得更少。如果子网的排放份额上升，矿工也可以在没有改善的情况下赚得更多。

TAO 代币是使这一切清晰的单位，因为所有这些排放和质押在基础层中都是以 TAO 为单位，即使存在子网级别的代币。

排放如何在子网之间分配

子网排放不仅仅关乎谁在子网内部获胜。还有一个关于子网“蛋糕”有多大的独立决策。在论文中对 dTAO 之前的描述中，子网相对的网络排放份额由根网络管理，根网络被描述为 64 个最大的验证者。

这种根层控制并不是假设。BTCLI 根命令暴露了通过 netuid 设置子网权重的明确操作，以及在根网络中提升或削减子网权重的操作。文档显示了列出根成员和检索当前根权重的命令，这在交易者和构建者试图解释子网奖励为何变化时，实际上是他们关心的链上可见性。

2025年后的框架使故事变得复杂，需要清晰地命名。Tokenomist描述了一种模型，其中将TAO质押到子网络被视为影响该子网络排放份额的信号，并指出自2025年2月14日起，每个子网络都有自己的alpha代币。这就是dtao时代的直觉：资本流动成为分配信号，而不是委员会式的根估值。

重要的调和是，这两种描述指向同一结构现实：存在一个“跨子网络”的分配杠杆。在一个时代，它通过根权重明确可指挥。在另一个时代，它通过流入子网络及其alpha代币池的质押流动来表达。无论如何，任何试图理解子网络排放的人都必须分开：

1. 子网络的排放份额相对于其他子网络的份额。2. 该份额在矿工、验证者、委托人和子网络所有者之间的分配。

这种分离是诊断一个正在失去网络级分配的子网络与一个正在失去验证者权重的矿工之间的区别。

实际影响和关键风险

激励机制是产品。论文的架构为子网络创建者内置了18%的子网络所有者份额的收入分享，这使得子网络设计更接近于以抽成经济学启动市场，而不是部署中立的公共产品。忽视这一点的建设者将误解为什么某些子网络得到积极维护而其他子网络停滞不前。

二阶效应是集中。论文的实证工作记录了质押强烈预测奖励，并且质押和奖励在子网络之间可能高度集中，这引发了一个持久的问题，即排放是否跟踪输出质量或资本定位。Tokenomist以SN28案例标记了这一差距的具体例子，其中排放是通过集中质押和验证者对齐而吸引的，而不是“强AI输出”，并指出像Taoflow这样的升级是试图使简单循环更难维持。

对于矿工和验证者来说，节奏是操作的心跳，因为结算发生在这种节奏上。系统不会为单个出色的响应付费。它为在每个360区块窗口内的时间权重提交时被验证者集一致评分而付费。

对于TAO持有者来说，关键的实际区别在于选择对整个系统的暴露与选择特定子网络的分配动态。Tokenomist将子网络零描述为不想选择单个子网络的人的一个选项，同时仍然在活跃子网络中获得按比例的排放。

在任何“TAO子网络解释”讨论的结束时，应该再次提出同样的问题：子网络是在争夺更大份额的网络排放，还是参与者仅仅在子网络内部争夺同一份额？大多数混淆来自于混合这两个账本。

观点

我看到人们通过记住口号“矿工回答，验证者评分”来学习Bittensor，然后被双层分配引擎所蒙蔽。昂贵的错误是将验证者的评分视为最终裁决。链上Yuma共识以质押加权剪裁的节奏确定权重向量，因此支付是共识结果，而不是法官的裁决。

我也看到开发者推出了一个聪明的矿工任务，却在验证者前向和奖励逻辑上投资不足。这就是市场被定义的地方。Yuma将忠实地支付机制所测量的任何东西，而根层或dTAO风格的质押信号决定了子网甚至为之竞争的排放量。如果这两个“订单簿”没有分开，每个奖励图表都会被误读。

来源

• RaoFoundation bittensor-subnet-template (GitHub)
• Lui & Sun (arXiv)
• Opentensor Foundation BTCLI 文档
• Tokenomist