Graph Network menggunakan fungsi Cobb-Douglas untuk memberi insentif pada perilaku Pengindeks. Cobb-Douglas secara historis memiliki aplikasi luas baik dalam ekonomi empiris maupun teoritis. Karena sebagian besar Pengindeks memiliki latar belakang ilmu komputer daripada ekonomi, mereka biasanya perlu mengambil pengetahuan kontekstual tentang bagaimana semua ini bekerja pada tingkat fundamental.

Ini adalah pengantar untuk fungsi Cobb-Douglas. Selain itu, sama seperti alat lainnya, ada batasan-batasan penting dan keseimbangan dengan fungsi ini. Kami menyambut masukan dari komunitas The Graph untuk melakukan perbaikan yang berkelanjutan.

Melalui posting ini, saya bertujuan untuk:

1. Memberikan informasi latar belakang kepada Indexer yang sudah ada dan calon Indexer pada fungsi ini
2. Berfungsi sebagai pengenalan ulang sebagian tokenomik The Graph
3. Memperkenalkan dan mendiskusikan Cobb-Douglas sebagai primitif untuk token kerja
4. Mengundang Anda, pembaca, untuk mendiskusikan peningkatan masa depan

Fungsi Cobb-Douglas adalah istilah yang sering digunakan di web3, tetapi sering buram bagi penggunanya. Ini adalah fungsi pokok dalam ekonomi. Dengan adopsi oleh 0x, Grafik, dan Goldfinch, ini sedang berkembang sebagai primitif dalam tokenomics. Akan saya berikan sedikit latar belakang tentang fungsi ini, dimulai dengan versi yang disederhanakan tentang bagaimana cara kerjanya, diikuti dengan eksplorasi sedikit lebih dalam tentang propertinya. Penting untuk dicatat sejak awal bahwa ada bentuk fungsional lain yang mungkin juga melayani tujuan yang sama, dan itu layak untuk dieksplorasi di masa depan juga.

Daftar isi

• Bagian 1: Apa itu Fungsi Cobb-Douglas
• Bagian 2: Penerapan Grafik Fungsi Cobb-Douglas: Dasar-Dasar Tokenomics
• Bagian 3: Penerimaan Grafik atas Fungsi Cobb-Douglas: Mekanika Desain
• Bagian 4: Adopsi Grafik dari Fungsi Cobb-Douglas: Koefisien α
• Bagian 5: Mengoptimalkan Fungsi Cobb-Douglas
• Sumber daya

Bagian 1: Apa itu Fungsi Cobb-Douglas

Penjelasan Penting

Pada tingkat dasar, tujuan dari fungsi Cobb-Douglas adalah untuk menemukan keberpihakan insentif untuk pasar pemilik-pengguna virtual. Bayangkan sebuah dunia di mana medali taksi diberi token: pengemudi memiliki token yang memberi mereka hak untuk bekerja di platform. Bagaimana kita menemukan mekanisme yang menyelaraskan penggunaan dan kepemilikan?

Fungsi Cobb-Douglas menyediakan mekanisme tersebut. Pada dasarnya, itu memberikan hubungan matematis antara input (staking dan biaya query) ke output (pengembalian biaya query).

Sebuah contoh bagus dari Cobb-Douglas yang sedang beraksi adalah Model token kerja Graph.

Penjelasan yang Sedikit Lebih Teknis

Bentuk awal fungsi tersebut adalah fungsi produksi (Fungsi Produksi Cobb-Douglas). Cobb dan Douglas memodelkan bagaimana modal dan tenaga kerja akhirnya berkontribusi terhadap produk akhir (produksi). Ini terlihat seperti ini:

Mana:

• Output P adalah fungsi dari Tenaga Kerja (L) dan Modal (C),
• b adalah produktivitas faktor total.

Ini agak panjang, tetapi ini menggambarkan bagaimana dua faktor produksi, Tenaga Kerja dan Modal, berinteraksi satu sama lain. Dengan kata lain, jika Tenaga Kerja dan Modal adalah dua bahan input, seberapa besar kontribusi masing-masing dari kedua faktor ini terhadap output?

Meskipun itu adalah bentuk asli dari fungsi, sifat matematika unik fungsi segera membuatnya menjadi alat yang berguna untuk berbagai situasi analisis ekonomi. Ia berubah menjadi bentuk generik:

α1, α2, α3 ... dan αn adalah angka positif, tetapi tidak harus berjumlah satu (tergantung pada kasus penggunaan). Dibandingkan dengan bentuk modal/tenaga kerjanya yang asli, bentuk generik ini dapat memiliki sejumlah masukan yang merujuk pada bahan apa pun. Seperti alkimia, Anda melemparkan beberapa masukan (misalnya tembaga, besi, halaman dari Gilgamesh) ke dalam fungsi dan dapat memberikan keluaran (semoga emas!).

Fungsi Produksi Cobb-Douglas Sama Seperti Alkimia: Input → Output. Seni yang Dihasilkan oleh Diffusi Stabil.

Karena fungsi sekarang memiliki bentuk generik, ia digunakan dalam teori produsen (sebagai fungsi produksi) dan teori konsumen (sebagai fungsi utilitas). Ketika digunakan sebagai fungsi produksi, itu seperti mengukur hasil alkimia. Dari fungsi Cobb-Douglas, seorang produsen rasional akan dapat menentukan, misalnya, berapa banyak tembaga yang digunakan.

Ketika digunakan sebagai fungsi utilitas, itu mengukur pertukaran konsumen di antara berbagai opsi. Haruskah saya membeli lebih banyak CryptoPunks atau Bored Apes?

Karena cocok dengan teori konsumen dan teori produsen, fungsi tersebut secara alami menjadi bagian penting dalam analisis keseimbangan umum terapan, yang bertujuan untuk menemukan titik keseimbangan pasar antara penawaran (teori produsen) dan permintaan (teori konsumen).

Secara ringkas, Anda akan melihat fungsi Cobb-Douglas dalam berbagai konteks. Ini bisa menjadi fungsi produksi jika digunakan dalam analisis produsen, atau fungsi utilitas jika digunakan dalam analisis konsumen. Bentuk-bentuknya (yang menentukan properti matematika) mirip tetapi definisi variabelnya akan berbeda dalam setiap konteks.

Utilitas Konsumen. Seni yang Dihasilkan oleh Diffusi stabil.

Bagian 2: Penerapan Grafik Fungsi Cobb-Douglas: Dasar-dasar Tokenomics

The Graph menggunakan model stake-to-earn. Peserta protokol diharapkan untuk mempertaruhkan token mereka untuk mengamankan jaringan. Salah satu kasus spesifik stake-to-earn adalah model token kerja, dipelopori oleh Augurdan yang lainnya.

Model token kerja bekerja seperti ini:

• Sebuah penyedia layanan di jaringan harus mempertaruhkan token untuk mendapatkan hak untuk melakukan layanan bagi jaringan.
• Jumlah layanan yang mereka lakukan harus sebanding dengan jumlah token yang mereka pertaruhkan di jaringan.

Ini mirip dengan pasar medali taksi di mana medali memberi hak kepada pengemudi taksi untuk beroperasi di pasar. Di pasar taksi, pengemudi membeli medali untuk dapat beroperasi di sebuah kota. Medali ini dapat dipindahkan, bahkan ada layanan keuangan khusus yang memberikan pinjaman medali kepada pengemudi sehingga mereka dapat membeli medali dari pemain lain.

Ketika pasar taksi lokal mendapatkan momentum karena alasan seperti peningkatan populasi, transaksi medali di pasar sekunder mengalami apresiasi nilai. Ketika pasar mengalami isu siklikal atau struktural (seperti masuknya Uber), medali mengalami penurunan nilai. Ada mekanisme penyeimbangan diri.

Grafik dapat dianggap sebagai sistem medali virtual, di mana GRT berfungsi sebagai hak untuk memberikan layanan di platform.

Sama seperti medali, GRT dimaksudkan untuk dibeli hanya sebanding dengan tingkat pekerjaan yang dilakukan dan layanan yang diperoleh (biaya query) pada protokol. Jika Anda memiliki dua pengemudi, Anda mendapatkan satu medali (asumsikan dua shift dalam sehari). Jika Anda memiliki 6 pengemudi, Anda seharusnya mendapatkan tiga.

Tantangan utama untuk model ini adalah menciptakan hubungan yang dapat diandalkan antara token yang dipertaruhkan dan pekerjaan yang dilakukan. Idealnya, seiring dengan semakin banyak query yang dilakukan dalam jaringan, jumlah token yang dipertaruhkan harus meningkat. Menggunakan analogi taksi, Anda tidak ingin orang duduk di medali dan tidak pergi bekerja!

Orang membeli medali karena mereka ingin mencari nafkah dengan mengangkut penumpang dari titik A ke B, yang merupakan hak yang diberikan oleh medali tersebut.

Model token kerja mengikuti pasar medali. Seni yang Dihasilkan oleh Diffusi Stabil.

Grafik ini bisa menegakkan hubungan numerik ini, tetapi kekakuan bisa menyebabkan beberapa masalah:

1. Batas jumlah pekerjaan yang dapat dilakukan oleh staker kecil, yang tidak membantu pertumbuhan jaringan
2. Meminta mekanisme untuk memaksa pemegang besar untuk melakukan pekerjaan ketika mereka tidak ingin melakukannya (atau melepaskan kepemilikan mereka), yang bisa sangat rumit untuk disinkronkan di rantai-blok. (Ramirez 2019)

Dengan kata lain, prinsip desain The Graph adalah bahwa Indexers harus memiliki kebebasan untuk melayani sejumlah kueri apa pun tanpa memperdulikan taruhan mereka. Sekali lagi menggunakan analogi medali, orang tidak boleh dipaksa untuk bekerja ketika merasa tidak sehat, bahkan jika mereka pemilik medali besar. Ide Cobb-Douglas adalah menciptakan mekanisme insentif untuk membuatnya lebih masuk akal secara ekonomi untuk bekerja tanpa memaksa orang untuk melakukannya.

Bagian 3: Adopsi Grafik dari Fungsi Cobb-Douglas: Mekanika Desain

Menurut Co-Founder dan CEO Edge & Node Brandon Ramirez, penggunaan Cobb-Douglas oleh The Graphterinspirasi oleh adopsinya di 0x. (Bandeali et al 2019; Ramirez 2019)

Masalah yang ingin diatasi adalah: bagaimana kita merancang sebuah sistem di mana pengguna adalah pemilik, dan mereka memiliki jumlah GRT yang sesuai dengan penggunaan mereka?

Protokol tersebut mengantisipasi bahwa pemilik GRT akan melakukan staking token mereka dalam kontrak, dan aktif berpartisipasi dalam tata kelola protokol. Dalam satu cara, ini seperti merancang koperasi dan mutual di pasar virtual. Cobb-Douglas berfungsi sebagai mekanisme untuk menyeimbangkan mandat ganda kepemilikan dan utilitas.

Merancang Model Koperasi Virtual. Seni Dihasilkan oleh Diffusi Stabil.

Pada tingkat tinggi, mekanismenya terlihat seperti ini: biaya permintaan pertama-tama akan masuk ke kolam bersama (kolam rabat). Pada akhir periode, protokol menggunakan rumus Cobb-Douglas untuk menghitung setiap bagian Pengindeks di kumpulan bersama. Bagian ini didasarkan pada jumlah GRT yang dipertaruhkan dan jumlah pekerjaan yang mereka lakukan (biaya kueri).

Fungsi tersebut diungkapkan sebagai berikut:

Di mana:

• imbalan adalah biaya yang dapat dikumpulkan oleh satu Indexer,
• totalRewards adalah total biaya untuk semua Indekator selama satu epoch (satu epoch saat ini terdiri dari 6.646 blok, atau sekitar 22 jam setelah penggabungan Ethereum. Hal ini dikelola oleh kontrak EpochManager)
• feeRatio = Biaya yang diatribusikan ke kolam staking / Total biaya yang dikumpulkan di semua kolam yang mendapatkan imbalan,
• stakeRatio = Stake yang diatribusikan ke kolam staking / Total staking di semua kolam yang mendapatkan imbalan,
• α adalah koefisien Cobb-Douglas (awalnya dinamai k dalam makalah Cobb-Douglas).

Kita dapat dengan mudah melihat kemiripan antara fungsi di atas dan bentuk asli fungsi:

Kecuali bahwa di sini kita memiliki dua variabel feeRatio dan stakeRatio. Fungsi ini bertujuan untuk mengatasi pembagian antara GRT yang dipertaruhkan (Modal, yang dimaksudkan untuk memberikan keamanan ekonomi) dan biaya kueri (Tenaga kerja, yang merupakan imbalan atas pelayanan kueri).

Di dunia tanpa Cobb-Douglas, begitu seorang Indexer telah melayani kueri, mereka mengumpulkan biaya kueri yang mereka layani. Mari kita sebut model ini sebagai model 'kamu makan apa yang kamu bunuh'.

“Anda Makan Apa yang Anda Bunuh”. Seni yang Dihasilkan olehDiffusi Stabil.

Di dunia dengan Cobb-Douglas, setelah seorang Indexer telah melayani query, biaya query masuk ke dalam kolam bersama. Bagian akhir dari kolam Indexer ditentukan oleh jumlah yang mereka pertaruhkan dan jumlah query yang mereka layani.

Sebuah pertanyaan yang jelas adalah: apakah ada jumlah staking optimal yang relatif terhadap biaya yang disajikan yang memaksimalkan keuntungan bagi indexer?

Kita dapat menggunakan metrik yang disebut intensitas staking untuk menggambarkan masalah ini:

Ini adalah jumlah GRT yang dipertaruhkan relatif terhadap biaya yang disajikan oleh seorang Indeksator. Jadi pertanyaan di atas dapat dirumuskan ulang sebagai: apakah ada intensitas pertaruhan optimal untuk Indeksator?

Saat ini, terdapat konsensus terbatas mengenai pertanyaan ini. Salah satu pendapat berpendapat bahwa tidak ada intensitas staking optimal. Orang-orang tidak memiliki insentif untuk meningkatkan ukuran keseluruhan kolam diskon; mereka hanya didorong untuk meningkatkan bagian mereka, yang berarti bahwa mereka akan selalu melakukan staking lebih banyak.

Sekolah lain berpendapat bahwa ada intensitas staking optimal. Alasannya adalah ada biaya modal tersirat untuk staking. Jumlah GRT yang berlebih yang dipertaruhkan akan menghasilkan biaya lebih sedikit daripada alternatifnya.

Apa saja alternatifnya? Salah satu pilihannya adalah mendelegasikan ke Pengindeks lain yang tidak cukup staking (stakingIntensity < 1). Dengan kata lain, produktivitas marjinal modal lebih tinggi dalam meminjamkan token ini daripada self-staking.

Cara lain untuk memikirkannya adalah produktivitas marjinal menurun dari modal yang diimplikasikan oleh fungsi Cobb-Douglas. Meskipun selalu positif (yaitu, menambahkan lebih banyak modal selalu mendapatkan lebih banyak hasil), manfaat marjinal menurun saat Anda menambahkan lebih banyak modal. Lebih baik mempekerjakan modal di tempat lain untuk hasil yang lebih tinggi.

Secara intuitif, pilihan yang paling optimal adalah untuk melakukan staking dengan jumlah GRT yang sama relatif terhadap kueri yang dilayani. Dengan kata lain, ketika feeRatio = stakeRatio (yaitu stakingIntensity = 1), Indexers mendapatkan kembali persis apa yang akan mereka dapatkan kembali di dunia 'you eat what you kill'. Tidak ada ketidakefisienan dalam keadaan ini.

Keputusan Hitam-dan-Putih antara Staking dan Rewards (Mungkin). Seni Dihasilkan oleh Diffusi Stabil.

Ini adalah keadaan keseimbangan ideal dari pasar biaya kueri yang dimaksudkan oleh fungsi Cobb-Douglas. Dengan kata lain, dalam jangka panjang, Indexers seharusnya mengalokasikan proporsi taruhan yang setara dengan bagian dari biaya kueri yang mereka hasilkan, dengan semua hal lainnya sama.

Secara empiris, sekolah pemikiran pertama (bahwa tidak ada intensitas staking optimal) saat ini benar, karena alasan yang akan kita bahas di Bagian 5. Kita juga akan membahas beberapa isu yang kita temui dalam implementasi praktis fungsi tersebut.

Bagian 4: Adopsi Grafik dari Fungsi Cobb-Douglas: Koefisien α

Selain stakingIntensity, eksponen α dan (1-α) juga merupakan variabel penting. Mereka disebut saham faktor dari fungsi produksi: mereka menentukan bagian modal (GRT yang dipertaruhkan) dan tenaga kerja (biaya permintaan) di pasar produksi biaya kueri ini.

Perhatikan bahwa eksponen menambah menjadi 1: α + (1-α) = 1. Ini disebut “Return to Scale Konstan”. Ini berarti bahwa jika kita meningkatkan baik feeRatio maupun stakeRatio dengan persentase tertentu, bagian Indexer dalam kolam bersama juga akan meningkat dengan persentase yang sama.

Dengan kata lain, tanpa memandang apakah itu indexer besar atau indexer kecil, jika indexer secara bersamaan meningkatkan kontribusinya baik modal (stakeRatio) maupun tenaga kerja (feeRatio) sebesar 20%, bagian mereka dari kolam hadiah juga akan meningkat sebesar 20%; jika kedua input ditingkatkan sebesar 35%, output juga akan meningkat sebesar 35%.

Oleh karena itu, seorang Indexer besar tidak akan diberi imbalan secara tidak proporsional hanya karena ukurannya besar, demikian pula sebaliknya. Fitur ini juga menghilangkan kemungkinan peserta memanipulasi sistem dengan menggabungkan atau memisahkan dompet.

Kembali ke Skala? Seni yang Dihasilkan olehDiffusi Stabil.

Hanya untuk melengkapi gambaran, ketika jumlah eksponen lebih dari 1, kita mendapatkan kenaikan skala pengembalian. Hal ini terjadi pada beberapa industri dengan kecenderungan monopoli (misalnya, sebagian besar pasar kekuatan). Ketika jumlah eksponen kurang dari 1, kita mendapatkan penurunan skala pengembalian. Dalam pengaturan tanpa kepercayaan, kedua pengaturan ini bisa dimanipulasi. Oleh karena itu, The Graph mengasumsikan Return to Scale Konstan (jumlah eksponen = 1).

Memahami sepenuhnya mekanisme ini memerlukan beberapa dasar kalkulus. Anda dapat memeriksa matematikapada catatan kuliah inidi bawah bagian “Return to Scale”. (Cottrell 2019)

Tapi sebenarnya, apa arti dari α? Kita bisa melihatnya sebagai bagian dari output total yang merupakan upah (biaya kueri). (1-α) adalah bagian modal (penyertaan GRT). Dengan kata lain, dalam suatu epoch tertentu, tenaga kerja berhak atas α dari pendapatan biaya dan modal (penyertaan GRT) berhak atas (1-α).

Jika kita melihat ke depan, dengan asumsi pasar tetap dalam keseimbangan, akan ada aliran pendapatan biaya yang diuntungkan oleh modal (GRT staking). Nilai pemilik GRT dapat diturunkan dari analisis nilai sekarang yang didiskonkan ini. Katakanlah totalitas nilai sekarang yang didiskonkan dari biaya kueri protokol adalah X, nilai modalnya adalah (1-α) * X. Ini mirip dengan apa yang kita miliki dalam keuangan perusahaan: nilai sebuah perusahaan adalah nilai sekarang yang didiskonkan dari arus kas masa depannya (Discounted Cash Flow, atau DCF).

Pengindeksan membutuhkan kerja. Seni yang Dihasilkan oleh Diffusi Stabil.

Dengan kata lain, biaya kueri adalah protokol eksplisit "pendapatan", sedangkan staking / signaling adalah protokol implisit "pendapatan". Sekali lagi, ini adalah analogi yang cacat mengingat bahwa GRT adalah token utilitas.

Hal baik tentang DCF adalah bahwa kita dapat melakukan analisis nilai wajar dengan metrik valuasi tradisional. Kita dapat menganalisis ukuran pasar yang mungkin dilayani oleh The Graph (petunjuk: jauh lebih dari indeks blockchain), mengasumsikan struktur pasar dan pangsa pasar untuk protokol The Graph, menerapkan margin protokol (1-α) dan menggunakan tingkat diskonto tertentu untuk mendapatkan nilai terminal. Namun, kita harus berhati-hati karena analisis ini mengasumsikan bahwa pasar berada dalam keadaan keseimbangan yang dimaksudkan oleh Intensitas Staking Optimal Cobb-Douglas. Ini tidak berfungsi di pasar saat ini di mana sejumlah besar pemegang token tidak berpartisipasi dalam jaringan.

Kita bahkan bisa melangkah lebih jauh dan memikirkan bagaimana analisis arus kas diskonto diterapkan dalam konteks penilaian perusahaan tradisionalnya. Arus kas setiap periode, bersih dari pembayaran, adalah arus kas yang diambil oleh perusahaan. Arus kas yang tidak diambil oleh perusahaan diberikan kepada faktor-faktor produksi lainnya (gaji, pemasok, antara lain). Persentase yang dipertahankan perusahaan dari total pendapatan atas adalah margin keuntungan perusahaan. Karena koefisien Cobb-Douglas α mengatur bagian modal dari produksi (pendapatan atas) dalam setiap periode, dari perspektif laporan laba rugi, koefisien tersebut mengatur margin keuntungan perusahaan.

Dengan kata lain, dalam pengaturan The Graph, koefisien dari stakeRatio (1-α) adalah margin de facto protokol, meminjam bahasa dari akuntansi.

Das Kapital. Seni yang Dihasilkan olehDiffusi Stabil.

Saati ini, koefisien α dinilai sebesar 0.77, yang dihitung dalam Kontrak Pintar sebagai:

Untuk informasi real-time, lihat alphaNumerator dan alphaDenominator di EtherscanIni pada dasarnya berarti bagi seorang Indexer, staking GRT diharapkan dapat menangkap 23% ( = 1 - 0.77) dari nilai biaya query.

Indexer Office Hour #73telah melakukan diskusi yang sangat detail tentang fungsi tersebut. Komunitas juga memilikialat grafik yang tersedia di Desmos.

Bagian 5: Mengoptimalkan Fungsi Cobb-Douglas

Masih ada sejumlah pekerjaan yang harus dilakukan untuk mengoptimalkan kerangka kerja. Sebagai contoh, fungsi tersebut menyiratkan analisis teori permainan yang rumit dari peserta pasar ketika mereka menyumbangkan modal (mereka harus menyumbangkan sejumlah optimal relatif terhadap peserta pasar lain). Peserta dikenai sanksi jika tidak bermain game dengan benar. Namun, inilah tempat di mana permainan teoritis bertemu praxeology. Kompleksitas permainan telah menakut-nakuti para pemain untuk memainkannya sesuai dengan yang dimaksud.

Selain itu, protokol saat ini memberikan imbalan inflasi kepada Indexers. Pada tahap pengembangan protokol ini, imbalan tersebut jauh lebih besar daripada biaya kueri. Secara alami, Indexers sedang mengoptimalkan perilaku mereka terhadap imbalan inflasi daripada kolam dana pengembalian biaya kueri. Bagaimana kita menyesuaikan insentif dengan benar pada tahap awal pasar biaya kueri ini?

Juga, di inti fungsi Cobb-Douglas terdapat analisis regresi. Kita harus melihat data empiris untuk menentukan nilai α. Hal ini dapat dilakukan ketika pasar biaya kueri menjadi cukup besar dan memberikan dataset deret waktu yang lebih relevan.

Terakhir, partisipasi spekulan dalam pasar biaya kueri. Profesor ekonomi Sockin dan Xiong menunjukkan bahwa kehadiran spekulan dapat berkontribusi pada keruntuhan keseimbangan pasar dalam pasar tokenomics utilitas (Sockin dan Xiong 2020). Pengguna dapat terpinggirkan karena adanya spekulan. Bagaimana seharusnya kita mendesain pasar yang lebih baik mengingat adanya spekulan?

Keseimbangan Umum Terganggu oleh Spekulan. Seni dihasilkan oleh Difusi Stabil.

Salah satu manfaat dari membangun secara terbuka (pendekatan pasar) adalah bahwa kita potensialnya bisa mendapatkan masukan dari berbagai kalangan dan semua orang berkontribusi pada pengembangan protokol. Saya berpendapat bahwa tokenomics berada tepat di tengah pasar, sama seperti bagian-bagian lain dalam tumpukan. Dengan merenungkan tentang sejarah primitif dan memikirkan kasus penggunaannya serta keterbatasannya, kita secara bersama-sama berkontribusi pada kolam pengetahuan dan potensialnya mendorong protokol ke depan. Saya mengundang semua orang untuk menantang dan mendiskusikan primitif ini.

Membangun Sesuatu di Pasar. Seni yang Dihasilkan oleh Diffusi Stabil.

Karya seni

Karya seni dikreditkan kepada proyek AI sumber terbuka berikut:

• InvokeAI Stabil Diffusion Toolkit(InvokeAI nd),
• Pos pemeriksaan CompVis/stable-diffusion-v1-4 dihosting di Hugging Face(Rombach et al 2022; CompVis di Universitas Ludwig Maximilian Munich),
• runwayml/stable-diffusion-v1-5 checkpoint di-host di Hugging Face(Rombach et al 2022; Penelitian Landasan)
• Kumpulan Data Terbuka LAION-5BN, kumpulan data gratis dari 5 miliar pasangan gambar-teks (Beaumont 2022); Estetika LAION, subset dari LAION-5BN (Schuhmann 2022).

Sumber daya

Bandeali, Avi, Will Warren, Weijie Wu, dan Peter Zeitz. 2019. "Biaya Protokol dan Insentif Likuiditas dalam Protokol 0x." Kertas Kerja Protokol 0x. Diakses 22 Oktober 2022.https://gov.0x.org/t/research-on-protocol-fees-and-liquidity-incentives/340.

Barmat, Ariel, dkk. t.t. “Kontrak Protokol Graf - LibCobbDouglas.” GitHub. Diakses 22 Oktober 2022.https://github.com/graphprotocol/contracts/blob/dev/contracts/staking/libs/Cobbs.sol.

Barmat, Ariel dan David Kajpust. t.d. “Kontrak Protokol Graf - Diskon.” 2022. GitHub. Diakses 22 Oktober 2022.https://github.com/graphprotocol/contracts/blob/dev/contracts/staking/libs/Rebates.sol.

Beaumont, Romain. 2022. “LAION-5B: ERA BARU dari DATASET MULTI-MODAL SKALA BESAR TERBUKA | LAION.” Laion.ai. Diakses 5 November 2022https://laion.ai/blog/laion-5b/.

Biddle, Jeff. 2021. Kemajuan melalui Regresi: Kisah Hidup Fungsi Produksi Cobb-Douglas Empiris. Cambridge, Inggris; New York, NY: Cambridge University Press.

Biddle, Jeff. 2012. “Retrospectives: Pengenalan Regresi Cobb-Douglas.” Jurnal Perspektif Ekonomi 26, no. 2 (Mei): 223–36.https://doi.org/10.1257/jep.26.2.223.

Cottrell, Allin. 2019. "Fungsi Produksi Cobb-Douglas." Diakses 22 Oktober 2022.https://users.wfu.edu/cottrell/ecn207/cobb-douglas.pdf.

“Desmos | Kalkulator Grafik | Grafik Tanpa Judul.” n.d. Desmos. Diakses 22 Oktober 2022.https://www.desmos.com/calculator/exrkmlfmr4.

Douglas, Paul, dan Charles Cobb. 1928. "A Theory of Production." Tinjauan Ekonomi Amerika, Mar., Vol, 18, No. 1, Suplemen: 139-65.

Etherscan.io. n.d. "The Graph: Proxy 2 | Alamat 0xF55041E37E12cD407ad00CE2910B8269B01263b9 | Etherscan." Ethereum (ETH) Blockchain Explorer. Diakses 22 Oktober 2022.https://etherscan.io/address/0xF55041E37E12cD407ad00CE2910B8269B01263b9#readProxyContract

Goldfinch. 2022. "Pembaruan Tokenomik GIP-13 Tahap 1: Vault Keanggotaan." Forum Tata Kelola Goldfinch. 7 Juni 2022. Diakses pada 22 Oktober 2022. https://gov.goldfinch.finance/t/gip-13-tokenomics-update-phase-1-membership-vaults/996.

Pengindeks Jam Kantor. 2022. "Jam Kantor Pengindeks #73." Diakses pada 22 Oktober 2022. https://www.youtube.com/watch?v=cc0o7AiFUpA&t=2099s.

InvokeAI. n.d. "InvokeAI." GitHub. Diakses 22 Oktober 2022.https://github.com/invoke-ai.

Malinvaud, Edmond. 2003. “Warisan Knut Wicksell untuk Teori Modal.” Scandinavian Journal of Economics 105, no. 4 (Desember): 507–25.https://doi.org/10.1111/j.0347-0520.2003.00001.x.

Ramirez, Brandon. 2019. “Jaringan Grafik secara Mendalam - Bagian 2.” Blog The Graph. Diakses 22 Oktober 2022.https://thegraph.com/blog/the-graph-network-in-depth-part-2/.

Rombach, Robin, Andreas Blattmann, Dominik Lorenz, Patrick Esser, dan Björn Ommer. 2022. "Sintesis Gambar Resolusi Tinggi dengan Model Difusi Laten." ARXIV. Diakses pada 22 Oktober 2022. https://arxiv.org/abs/2112.10752v2.

Samuelson, Paul A. 1979. “Pengukuran Fungsi Produksi dan Produktivitas Marginal Paul Douglas.” Jurnal Ekonomi Politik 87, no. 5, Bagian 1 (Oktober): 923–39.https://doi.org/10.1086/260806.

Schuhmann, Christoph. 2022. “LAION-Aesthetics | LAION.” Laion.ai. Diakses 7 November 2022.https://laion.ai/blog/laion-aesthetics/.

Sockin, Michael, dan Wei Xiong. 2020. "Model Mata Uang Kripto." Kertas Kerja NBER No. 26816. Diakses pada 22 Oktober 2022. http://www.nber.org/papers/w26816.

Zeitz, Petrus. 2019. "0x Rabat Tata Kelola, Biaya dan Likuiditas." www.youtube.com. Diakses pada 22 Oktober 2022. https://www.youtube.com/watch?v=s2wlzlQxd5E.

Disclaimer：

1. Artikel ini dicetak ulang dari [Gateedgeandnode]. Semua hak cipta milik penulis asli [Max Tang]. Jika ada keberatan terhadap cetakan ulang ini, silakan hubungi Gate Belajartim, dan mereka akan menanganinya dengan cepat.
2. Penafian Tanggung Jawab: Pandangan dan opini yang terdapat dalam artikel ini semata-mata milik penulis dan tidak merupakan nasihat investasi apa pun.
3. Terjemahan artikel ke dalam bahasa lain dilakukan oleh tim Gate Learn. Kecuali disebutkan, menyalin, mendistribusikan, atau menjiplak artikel yang diterjemahkan dilarang.