机心卷 · 世界补丁日志

做市AI终于不用烧真钱练手了:Uniswap V3第一个开源强化学习沙箱,刚刚悄悄上线

2026-09-15 AI 辅助 · 人工审校 编号 cand-ea1dd3f188e0

你有没有想过,加密交易所里那些24小时挂单、自动赚差价的“做市机器人”,是怎么练出来的?

你有没有想过,加密交易所里那些24小时挂单、自动赚差价的“做市机器人”,是怎么练出来的?

按理说,它们不能像人类交易员那样“先小金额试水、慢慢加码”——因为做市本身就需要大资金铺底,新手一上来就可能被极端行情一波带走。于是行业里长期存在一个尴尬局面:想用强化学习(RL)训练出顶级做市AI,却找不到一个足够逼真、又允许无限试错的训练环境。

最近arXiv上悄悄上线了一篇论文,提出了一套专门为Uniswap V3集中流动性机制量身打造的“飞行模拟器”——SAiFE-gym。这件事值得专门写一篇,因为它的意义远不止“又一个开源工具”那么简单。


一、先搞清楚:做市机器人为啥这么难训练

在聊论文之前,先花两分钟对齐一下背景。

传统交易所里,做市商是“同时挂买单和卖单赚差价”的角色,把他们搬到Uniswap这种去中心化交易所(DEX)上,就变成了由智能合约自动执行的算法。Uniswap V3更进一步,引入了**集中流动性(Concentrated Liquidity)**机制——流动性提供者(LP)可以把自己的资金“锁定”在某个价格区间内,只在这个区间提供流动性。

这样做的好处显而易见:资金利用率暴涨。把100%资金压在全价格区间,你可能只分到全市场0.01%的份额;同样100万美金,如果你判断ETH接下来会在2500-3500美元之间震荡,只在这个区间挂单,你的“做市密度”可能提升几十倍。

但硬币的另一面是:风险急剧上升。一旦价格突破你设定的区间,你的资金就自动变成了某种“代币头寸”——比如ETH从2800涨到4000,你可能被动持有了大量ETH,等于被套牢在山顶。

一句话总结:集中流动性让做市从“撒网捕鱼”变成了“定点垂钓”,钓得多但一旦判断错,亏得也狠。

这就给RL训练带来了核心难题:环境太复杂,传统基于历史数据的回测不够用;环境太危险,直接跑实盘等于烧钱;环境太专业,通用的OpenAI Gym那套框架根本对DeFi的微观机制建模不到位。


二、SAiFE-gym到底解决了什么

这篇论文的核心贡献,可以概括为三个“首次”:

• 首个完全开源、面向Uniswap V3集中流动性场景的RL训练环境

• 首个把“AMM内部会计逻辑”(手续费累积、头寸再平衡、PnL结算)建模到bit-level精度的环境

• 首个允许智能体在毫秒级时间步长下、与对手盘真实订单流交互的沙箱

用人话说,SAiFE-gym不是在历史K线上“假装做市”,而是用数学模型重建了一个Uniswap V3的“平行宇宙”。在这个平行宇宙里:

  • AI挂单会在模拟的流动性池里产生真实的swap事件
  • 价格会根据注入的对手盘订单随机游走,AI可以感知到市场深度变化
  • AI的每一步调仓(增删流动性、调区间)都会被精确记账,包括手续费的累积与再投资

最关键的,它有**fast版(毫秒级仿真)和accurate版(含LVR等微观损耗建模)**两套模式——前者适合大规模RL迭代训练,后者适合策略上线前的精细校验。


三、为什么这件事值得认真对待

讲到这里,如果你不是DeFi从业者,可能会问:“所以呢?跟我有什么关系?”

关系还挺大。我认为SAiFE-gym代表了一个正在加速的趋势:高风险决策类AI,需要“专属仿真环境”作为前置基础设施。

这种模式我们其实并不陌生——自动驾驶有CARLA、机器人有MuJoCo、AlphaGo有围棋规则引擎。每一个能在真实世界大规模落地的AI,背后几乎都有一个“先在虚拟世界练到博士水平、再去现实世界实习”的成长路径。

金融交易,特别是做市,是这条路径上最难啃的骨头之一。原因在于:

  1. 市场是反身性的:你的策略本身会改变市场环境
  2. 尾部风险是肥尾的:黑天鹅事件不能用历史数据拟合
  3. 对手也是AI:在加密世界里,你的“陪练”也是各种套利机器人

SAiFE-gym某种意义上开启了**“对抗性做市训练”**的可能性——你可以往模拟器里塞入各种风格的“对手盘AI”,让做市策略在对抗中进化。这跟AlphaGo跟自己对弈进化的逻辑,是一脉相承的。


四、中文媒体没报道的几点隐藏细节

我看完整篇论文,有几个细节我觉得中文圈讨论得还不够:

第一,关于LVR(Loss Versus Rebalancing)的建模。 LVR是集中流动性LP特有的“隐性损耗”,本质是因为LP在对赌一个会“涨会跌”的不对称头寸。SAiFE-gym的accurate模式明确把LVR纳入了奖励函数,这意味着训练出来的AI不会只盯着手续费收益,而是会主动平衡“赚钱”和“被收割”两端。这一点在中文DeFi社区几乎没人提,但其实是从“能不能做市”到“能不能稳定做市”的关键分水岭。

第二,关于动作空间的处理。 论文里提到他们用了一种分层动作空间设计——离散动作选“价格区间中心点”,连续动作调“区间宽度”和“资金分配比例”。这种设计避免了智能体动作空间爆炸,是实操层面的工程巧思,值得所有想自己搭RL环境的人参考。

第三,关于评估基准。 论文没回避一个敏感问题:他们跑出来的最优策略,在2022年那种熊市行情下,会主动收紧区间甚至暂时撤出流动性。也就是说,这个环境已经能训练出**“会避险的做市AI”**,而不只是“会赚钱的做市AI”。这才是它对实盘最大的价值——教会AI什么时候该“下班”。


五、未来展望:做市只是起点

站在2026年这个时间点看,SAiFE-gym的出现其实打开了一扇窗。我个人判断接下来12-18个月,会出现几个有意思的演进方向:

  • 多池协同训练:AI不再只盯一个交易对,而是学会在ETH/USDC、ETH/USDT、stETH/ETH之间动态调配流动性,赚“路径套利+做市”双重收益。
  • 接入LLM作为策略生成器:用大模型把“宏观叙事”(比如“美联储加息预期”)转化为区间选择的先验,再让RL在沙箱里精细调参。
  • 反过来用在传统金融:这套架构平移到做市难度更高的国债、期权市场,可能比DeFi更早出商业价值。

对普通人的启示其实只有一句话:当一项基础设施被开源、被验证、被社区接受,它的影响力会在3-6个月后以“行业默认标准”的形态出现。 今天的SAiFE-gym,可能就是明天所有DEX做市AI的事实训练场。


你可能不碰加密币,但“AI上岗前先模拟飞行”这件事,正在向所有高风险决策领域蔓延。自动驾驶、医疗手术机器人、量化交易、法律AI顾问——未来每一个要在真实世界承担后果的AI,几乎都逃不开“先造一个足够逼真的训练场”这一步。

💬 你觉得下一个需要“AI模拟器”的领域会是什么?医疗手术?自动驾驶?还是帮你砍价的购物AI?欢迎在评论区聊聊你的判断。


如果你也在关注AI与金融的交叉地带,欢迎关注我。每周拆解一篇被低估的前沿论文,带你看懂那些中文媒体还没来得及翻译的技术细节。

原文来源

边界声明 · 这项研究不能证明什么

本文为一手来源的中文编辑导读,结论的适用范围与证据强度以来源原文为准;不构成医疗、投资或其他决策建议。

AIGC 内容说明

本文由 AI 辅助起草,经今山海编辑部人工核对事实、来源与边界后发布。修订与更正将在本页留痕。