Motor de Consenso PRISM
QoreChain integra PRISM (Policy-driven Reinforcement-learning for Intelligent State Machines), una capa de optimización por aprendizaje por refuerzo, directamente en la capa de consenso a través del módulo x/rlconsensus. PRISM observa las métricas de la cadena cada N bloques y está diseñado para ejecutar inferencia mediante una red neuronal de punto fijo y proponer ajustes de parámetros de consenso — todo de forma determinista, sin aritmética de punto flotante en las rutas críticas para el consenso.
Mainnet. El agente está en modo conservative, recopila una observación y una recompensa cada 10 bloques y no tiene pesos de política cargados: ha dado 0 pasos y no aplica ningún cambio de parámetros. El tiempo de bloque lo determina la configuración de los nodos de los validadores, no PRISM. Cargar una política, cambiar el modo, reanudar el agente y actualizar los pesos de recompensa son acciones de gobernanza que actualmente están deshabilitadas en mainnet por el circuit breaker (los cuatro mensajes de control siguen en la lista de deshabilitados), por lo que el estado del agente no puede haber cambiado. Desde v3.2.6 las rutas de consulta de PRISM bajo /qorechain/rlconsensus/v1/ también responden en mainnet (comprobado el 4 de noviembre de 2026: las siete devolvieron 200; el agente informó modo conservative, época 0, 0 pasos, sin pesos de política, una última acción vacía y los valores aplicados por defecto). Los cuatro mensajes de control siguen en la lista de deshabilitados.
Testnet. La gobernanza de la testnet puso el agente en modo shadow y cargó una pequeña política de demostración (25 entradas, una capa oculta de 4 unidades, 5 salidas, 129 pesos, época 1; es una prueba de la infraestructura, no la red de producción descrita a continuación). En modo shadow el agente observa cada 10 bloques, calcula su recompensa y una acción propuesta, y las registra (evento rl_action_proposed) sin cambiar ningún valor: applied_params conserva sus valores por defecto (tiempo de bloque 5000 ms, suelo del precio del gas 100) y last_action informa "applied": false. Desde v3.2.6 ambas redes sirven el módulo por REST bajo /qorechain/rlconsensus/v1/: agent (modo, época, número de pasos, estado del circuit breaker), params, observation, reward, policy, applied_params y last_action; en la misma versión se corrigió el circuit breaker del agente y se limitó su historial, y el precompile EVM rlConsensusParams (0x…0C01) ahora devuelve los valores del módulo (el precompile está activo solo en la testnet; en mainnet no está activo y una llamada devuelve datos vacíos, comprobado el 4 de noviembre de 2026).
Dos cambios de versión restringen lo que puede hacer un futuro cambio de política o de parámetros. Desde v3.2.2, una actualización de política por gobernanza se valida con aritmética comprobada. Desde v3.2.3, los mensajes de gobernanza se comprueban por rango sobre el valor en bruto de la transmisión (el modo del agente) y cada peso de recompensa debe estar entre 0 y 1.
El bucle de optimización de PRISM: observa el estado de la cadena, ejecuta la inferencia de la política, restringe y aplica los cambios de parámetros, y luego retroalimenta el resultado.
Descripción General de la Arquitectura
PRISM consta de cuatro componentes:
- Observation Collector — Recopila vectores de estado de la cadena de 25 dimensiones a intervalos configurables.
- Policy Network (MLP) — Un perceptrón multicapa nativo de Go que mapea observaciones a acciones.
- Reward Computer — Evalúa la calidad de los cambios de parámetros mediante una función multiobjetivo ponderada.
- Circuit Breaker — Supervisa la salud de la cadena y revierte todos los parámetros ajustados por PRISM si se detecta inestabilidad.
Todos los componentes operan dentro del ciclo de vida ABCI y producen salidas deterministas y verificables en todos los nodos validadores.
Red de Política
La red de política es un perceptrón multicapa (MLP) feedforward implementado enteramente en Go con aritmética de punto fijo int64 (escalada por 10^8).
Arquitectura de la Red
La tabla y el recuento de parámetros que siguen describen el tamaño de diseño de la red de política (dos capas ocultas de 256 unidades). Ninguna política de este tamaño está cargada en ninguna de las redes: mainnet no tiene ninguna política cargada, y la testnet ejecuta una pequeña política de demostración (25 entradas, una capa oculta de 4 unidades, 5 salidas, 129 pesos).
| Propiedad | Valor |
|---|---|
| Dimensiones de entrada | 25 |
| Capas ocultas | 2 |
| Tamaños de capas ocultas | 256, 256 |
| Dimensiones de salida | 5 |
| Activación (oculta) | ReLU |
| Activación (salida) | tanh |
| Parámetros totales | 73,733 |
| Precisión | punto fijo int64 (escalada por 10^8) |
Desglose del Recuento de Parámetros
Layer 1: 25 * 256 + 256 = 6,656 (input -> hidden_1)
Layer 2: 256 * 256 + 256 = 65,792 (hidden_1 -> hidden_2)
Layer 3: 256 * 5 + 5 = 1,285 (hidden_2 -> output)
Total: 73,733
Aritmética de Punto Fijo
Todos los cálculos del MLP usan valores int64 escalados por FixedPointScale = 10^8. Esto elimina el no determinismo derivado de las diferencias de redondeo de punto flotante IEEE 754 entre plataformas de hardware.
- Multiplicación:
fixMul(a, b) = (a / SCALE) * b + (a % SCALE) * b / SCALE(dividido para evitar el desbordamiento) - ReLU:
relu(x) = max(0, x) - tanh: Aproximante de Padé
tanh(x) ~ x * (3*S - x^2) / (3*S + x^2)para|x| <= 2.5*SCALE, restringido a +/- SCALE en caso contrario
Los pesos de la política están diseñados para almacenarse on-chain como un vector []int64 aplanado y actualizarse mediante propuesta de gobernanza. Hoy no hay ninguna política cargada en la mainnet; la testnet ejecuta una pequeña política de demostración en modo shadow (consulte la nota de estado anterior).
Vector de Observación
PRISM recopila un vector de observación de 25 dimensiones en cada intervalo de observación (por defecto: cada 10 bloques).
| Índice | Dimensión | Descripción |
|---|---|---|
| 0 | block_utilization | Gas de bloque usado / límite de gas de bloque |
| 1 | tx_count | Número de transacciones en el bloque |
| 2 | avg_tx_size | Tamaño medio de transacción en bytes |
| 3 | block_time | Tiempo desde el bloque anterior (ms) |
| 4 | block_time_delta | Tiempo de bloque menos tiempo de bloque objetivo (ms) |
| 5 | gas_price_50th | Precio de gas mediano |
| 6 | gas_price_95th | Precio de gas del percentil 95 |
| 7 | mempool_size | Número de transacciones pendientes |
| 8 | mempool_bytes | Total de bytes de transacciones pendientes |
| 9 | validator_count | Recuento de validadores activos |
| 10 | validator_gini | Coeficiente de Gini de la distribución de poder de los validadores |
| 11 | missed_block_ratio | Fracción de validadores que no firmaron |
| 12 | avg_commit_latency | Latencia media de la ronda de commit (ms) |
| 13 | max_commit_latency | Latencia máxima de la ronda de commit (ms) |
| 14 | precommit_ratio | Fracción de precommits recibidos |
| 15 | failed_tx_ratio | Fracción de transacciones fallidas |
| 16 | avg_gas_per_tx | Gas medio consumido por transacción |
| 17 | reward_per_validator | Recompensa media por validador (uqor) |
| 18 | slash_count | Número de eventos de slashing en la ventana de observación |
| 19 | jail_count | Número de eventos de jail en la ventana de observación |
| 20 | inflation_rate | Tasa de emisión actual |
| 21 | bonded_ratio | Tokens vinculados / suministro total |
| 22 | reputation_mean | Puntuación de reputación media entre los validadores activos |
| 23 | reputation_stddev | Desviación estándar de las puntuaciones de reputación |
| 24 | mev_estimate | MEV extraído estimado (heurístico) |
Todos los valores se almacenan como representaciones de cadena LegacyDec y se convierten a punto fijo int64 antes de la inferencia.
Espacio de Acción
La salida del MLP es un vector de acción de 5 dimensiones, donde cada dimensión representa un cambio propuesto a un parámetro de consenso. La activación tanh restringe las salidas en bruto a [-1, 1], que luego se escalan por límites específicos del modo.
| Índice | Dimensión de Acción | Descripción |
|---|---|---|
| 0 | block_time_delta | Cambio propuesto al tiempo de bloque objetivo (ms) |
| 1 | gas_price_delta | Cambio propuesto al precio de gas base |
| 2 | validator_set_size_delta | Cambio propuesto al tamaño objetivo del conjunto de validadores (solo registrado, no aplicado) |
| 3 | pool_weight_rpos_delta | Cambio propuesto al peso de prioridad del pool RPoS |
| 4 | pool_weight_dpos_delta | Cambio propuesto al peso de prioridad del pool DPoS |
Las acciones se restringen a los límites máximos de cambio definidos por el modo PRISM actual antes de su aplicación.
Función de Recompensa
La señal de recompensa evalúa qué tan bien los cambios recientes de parámetros mejoraron el rendimiento de la cadena. Se calcula como una suma ponderada de cinco objetivos:
R = 0.30 * delta_throughput
+ 0.25 * delta_finality
+ 0.20 * delta_decentralization
- 0.15 * mev_estimate
- 0.10 * failed_tx_ratio
| Componente | Peso | Dirección | Métrica de Origen |
|---|---|---|---|
| Rendimiento | +0.30 | Maximizar | Cambio en la utilización del bloque |
| Finalidad | +0.25 | Maximizar | Cambio en el ratio de precommit |
| Descentralización | +0.20 | Maximizar | Cambio negativo en el coeficiente de Gini de los validadores |
| MEV | -0.15 | Minimizar | Estimación de MEV actual |
| Transacciones Fallidas | -0.10 | Minimizar | Ratio de transacciones fallidas actual |
Los pesos de recompensa son configurables por gobernanza y deben sumar exactamente 1.0.
Modos de PRISM
PRISM opera en uno de cuatro modos, controlables mediante gobernanza (el mensaje de cambio de modo está actualmente desactivado en mainnet):
| Modo | ID | Cambio Máx. | Comportamiento |
|---|---|---|---|
| Shadow | 0 | 0% | Solo observa y registra recomendaciones. No se cambian parámetros. Es el valor por defecto en el código. Desde la propuesta de gobernanza 29 de testnet, el agente de la testnet funciona en modo Shadow; el agente de mainnet está en modo Conservative (configuración de génesis) sin ninguna política cargada, por lo que no aplica ningún cambio. |
| Conservative | 1 | +/- 10% | Aplica cambios de parámetros dentro de límites estrictos. Adecuado para el despliegue inicial en vivo (el modo actual de mainnet, sin ninguna política cargada). |
| Autonomous | 2 | +/- 25% | Aplica cambios de parámetros dentro de límites más amplios. Para redes maduras con políticas validadas. |
| Paused | 3 | 0% | PRISM está completamente inactivo. No se recopilan observaciones ni se ejecuta inferencia. |
Las transiciones de modo requieren una propuesta de gobernanza. La ruta de despliegue recomendada es: Shadow → Conservative → Autonomous.
Circuit Breaker
El circuit breaker es un mecanismo de seguridad que supervisa la salud de la cadena y revierte automáticamente todos los parámetros ajustados por PRISM si se detecta inestabilidad.
Lógica de Detección
El circuit breaker evalúa los últimos 50 bloques (configurable mediante circuit_breaker_window):
- Calcular deltas de tiempo de bloque — Para cada par consecutivo de marcas de tiempo de bloque, calcula el delta de tiempo de bloque.
- Clasificar bloques sanos — Un bloque se considera sano si su delta es positivo y está dentro de 2x el tiempo de bloque objetivo.
- Calcular la fracción sana — Calcula la fracción sana = bloques sanos / deltas totales.
Condición de Activación
Si la fracción sana cae por debajo del umbral (por defecto: 50%), el circuit breaker se activa.
Respuesta
Cuando se activa, el circuit breaker:
- Revierte todos los parámetros aplicados por PRISM (tiempo de bloque, precio de gas, pesos de pool) a sus valores por defecto.
- Pausa PRISM (establece
CircuitBreakerActive = true). - Limpia la política en memoria para forzar una recarga nueva.
- Emite un evento
circuit_breaker_triggered.
El circuit breaker se restablece automáticamente cuando la fracción sana se recupera por encima del umbral en evaluaciones posteriores.
Funciones de Asesoramiento de Rollup
PRISM proporciona funciones de asesoramiento para la optimización de parámetros de rollup:
SuggestRollupProfile— Analiza las condiciones actuales de la cadena y sugiere parámetros óptimos de configuración de rollup (tiempo de bloque, límite de gas, frecuencia de liquidación).OptimizeRollupGas— Recomienda ajustes de precios de gas para las transacciones de liquidación de rollup según los patrones de congestión de la cadena principal.
Estas funciones son solo informativas y no modifican el estado de la cadena.
Biblioteca de Matemática Determinista
Todos los cálculos de PRISM usan el paquete mathutil, que proporciona alternativas deterministas a la matemática estándar de punto flotante:
| Función | Descripción | Método |
|---|---|---|
IntegerSqrt(x) | Raíz cuadrada | Método de Newton sobre LegacyDec, convergencia de 100 iteraciones |
TaylorLn1PlusX(x) | Logaritmo natural ln(1+x) | Reducción de argumento + serie de Taylor de 15 términos |
ExpApprox(x) | Exponencial e^x | Serie de Taylor de 12 términos |
SigmoidApprox(x) | Sigmoide 1/(1+e^-x) | ExpApprox con simetría para entradas negativas |
ReputationMultiplier(r) | Mapea [0,1] a [0.5,2.0] | Sigmoide con escala y desplazamiento |
Todas las funciones operan sobre valores cosmossdk.io/math.LegacyDec, garantizando resultados idénticos en todas las plataformas de hardware y versiones del compilador de Go.
Parámetros
| Parámetro | Tipo | Por Defecto | Descripción |
|---|---|---|---|
enabled | bool | true | Habilita PRISM |
observation_interval | uint64 | 10 | Bloques entre recopilaciones de observación |
agent_mode | PrismMode | Mainnet: 1 (Conservative). Testnet: 0 (Shadow, desde la propuesta 29; la ruta REST lo informa como shadow) | Modo de operación actual |
max_change_conservative | LegacyDec | 0.10 | Cambio máximo de parámetro en modo Conservative |
max_change_autonomous | LegacyDec | 0.25 | Cambio máximo de parámetro en modo Autonomous |
circuit_breaker_window | uint64 | 50 | Número de bloques recientes supervisados por el circuit breaker |
circuit_breaker_threshold | LegacyDec | 0.50 | Fracción mínima de bloques sanos antes de la activación |
default_block_time_ms | int64 | 5000 | Tiempo de bloque objetivo por defecto (ms) usado como línea base de observación; el tiempo de bloque real es de unos 3,1 s en mainnet y de unos 1,3 s en testnet |
default_base_gas_price | LegacyDec | 100 | Precio de gas base por defecto |
default_validator_set_size | uint64 | 100 | Tamaño objetivo del conjunto de validadores por defecto |
reward_weight_throughput | LegacyDec | 0.30 | Peso de recompensa por mejora de rendimiento |
reward_weight_finality | LegacyDec | 0.25 | Peso de recompensa por mejora de finalidad |
reward_weight_decentralization | LegacyDec | 0.20 | Peso de recompensa por mejora de descentralización |
reward_weight_mev | LegacyDec | 0.15 | Peso de penalización por extracción de MEV |
reward_weight_failed_txs | LegacyDec | 0.10 | Peso de penalización por transacciones fallidas |
Relacionado
- Mecanismo de Consenso — la capa de consenso que PRISM optimiza.
- Motor de IA — los servicios y endpoints de IA on-chain más amplios.
- Tokenómica — cómo las señales de RL alimentan los ajustes de recompensa y parámetros.