Saltar al contenido principal

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.

Estado actual (mainnet comprobada el 4 de noviembre de 2026 en la v3.2.6, que ejecutó hasta el 12 de noviembre de 2026, cuando pasó a la v3.2.7; testnet comprobada el 27 de octubre de 2026 en la v3.2.6; ejecuta v3.2.8 desde el 12 de noviembre de 2026)

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:

  1. Observation Collector — Recopila vectores de estado de la cadena de 25 dimensiones a intervalos configurables.
  2. Policy Network (MLP) — Un perceptrón multicapa nativo de Go que mapea observaciones a acciones.
  3. Reward Computer — Evalúa la calidad de los cambios de parámetros mediante una función multiobjetivo ponderada.
  4. 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).

PropiedadValor
Dimensiones de entrada25
Capas ocultas2
Tamaños de capas ocultas256, 256
Dimensiones de salida5
Activación (oculta)ReLU
Activación (salida)tanh
Parámetros totales73,733
Precisiónpunto 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).

ÍndiceDimensiónDescripción
0block_utilizationGas de bloque usado / límite de gas de bloque
1tx_countNúmero de transacciones en el bloque
2avg_tx_sizeTamaño medio de transacción en bytes
3block_timeTiempo desde el bloque anterior (ms)
4block_time_deltaTiempo de bloque menos tiempo de bloque objetivo (ms)
5gas_price_50thPrecio de gas mediano
6gas_price_95thPrecio de gas del percentil 95
7mempool_sizeNúmero de transacciones pendientes
8mempool_bytesTotal de bytes de transacciones pendientes
9validator_countRecuento de validadores activos
10validator_giniCoeficiente de Gini de la distribución de poder de los validadores
11missed_block_ratioFracción de validadores que no firmaron
12avg_commit_latencyLatencia media de la ronda de commit (ms)
13max_commit_latencyLatencia máxima de la ronda de commit (ms)
14precommit_ratioFracción de precommits recibidos
15failed_tx_ratioFracción de transacciones fallidas
16avg_gas_per_txGas medio consumido por transacción
17reward_per_validatorRecompensa media por validador (uqor)
18slash_countNúmero de eventos de slashing en la ventana de observación
19jail_countNúmero de eventos de jail en la ventana de observación
20inflation_rateTasa de emisión actual
21bonded_ratioTokens vinculados / suministro total
22reputation_meanPuntuación de reputación media entre los validadores activos
23reputation_stddevDesviación estándar de las puntuaciones de reputación
24mev_estimateMEV 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.

ÍndiceDimensión de AcciónDescripción
0block_time_deltaCambio propuesto al tiempo de bloque objetivo (ms)
1gas_price_deltaCambio propuesto al precio de gas base
2validator_set_size_deltaCambio propuesto al tamaño objetivo del conjunto de validadores (solo registrado, no aplicado)
3pool_weight_rpos_deltaCambio propuesto al peso de prioridad del pool RPoS
4pool_weight_dpos_deltaCambio 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
ComponentePesoDirecciónMétrica de Origen
Rendimiento+0.30MaximizarCambio en la utilización del bloque
Finalidad+0.25MaximizarCambio en el ratio de precommit
Descentralización+0.20MaximizarCambio negativo en el coeficiente de Gini de los validadores
MEV-0.15MinimizarEstimación de MEV actual
Transacciones Fallidas-0.10MinimizarRatio 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):

ModoIDCambio Máx.Comportamiento
Shadow00%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.
Conservative1+/- 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).
Autonomous2+/- 25%Aplica cambios de parámetros dentro de límites más amplios. Para redes maduras con políticas validadas.
Paused30%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):

  1. Calcular deltas de tiempo de bloque — Para cada par consecutivo de marcas de tiempo de bloque, calcula el delta de tiempo de bloque.
  2. Clasificar bloques sanos — Un bloque se considera sano si su delta es positivo y está dentro de 2x el tiempo de bloque objetivo.
  3. 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:

  1. Revierte todos los parámetros aplicados por PRISM (tiempo de bloque, precio de gas, pesos de pool) a sus valores por defecto.
  2. Pausa PRISM (establece CircuitBreakerActive = true).
  3. Limpia la política en memoria para forzar una recarga nueva.
  4. 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:

FunciónDescripciónMétodo
IntegerSqrt(x)Raíz cuadradaMétodo 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^xSerie 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​

ParámetroTipoPor DefectoDescripción
enabledbooltrueHabilita PRISM
observation_intervaluint6410Bloques entre recopilaciones de observación
agent_modePrismModeMainnet: 1 (Conservative). Testnet: 0 (Shadow, desde la propuesta 29; la ruta REST lo informa como shadow)Modo de operación actual
max_change_conservativeLegacyDec0.10Cambio máximo de parámetro en modo Conservative
max_change_autonomousLegacyDec0.25Cambio máximo de parámetro en modo Autonomous
circuit_breaker_windowuint6450Número de bloques recientes supervisados por el circuit breaker
circuit_breaker_thresholdLegacyDec0.50Fracción mínima de bloques sanos antes de la activación
default_block_time_msint645000Tiempo 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_priceLegacyDec100Precio de gas base por defecto
default_validator_set_sizeuint64100Tamaño objetivo del conjunto de validadores por defecto
reward_weight_throughputLegacyDec0.30Peso de recompensa por mejora de rendimiento
reward_weight_finalityLegacyDec0.25Peso de recompensa por mejora de finalidad
reward_weight_decentralizationLegacyDec0.20Peso de recompensa por mejora de descentralización
reward_weight_mevLegacyDec0.15Peso de penalización por extracción de MEV
reward_weight_failed_txsLegacyDec0.10Peso 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.