三周內(nèi)，我在Solana上造了個無法作弊的AI訓(xùn)練場

當(dāng)有人說自己的AI智能體訓(xùn)練了1萬輪、達(dá)到超人類水平時，你只有兩個選擇：信，或者不信。沒有第三種。沒有審計(jì)軌跡，沒有可驗(yàn)證的歷史，無法區(qū)分真正學(xué)會的智能體和硬編碼查詢表冒充的"訓(xùn)練行為"。

整個智能體訓(xùn)練領(lǐng)域建立在信任之上。而信任，事實(shí)證明，是糟糕的經(jīng)濟(jì)基礎(chǔ)——如果這個經(jīng)濟(jì)本該由智能體承擔(dān)真實(shí)工作的話。

這是我在2026年4月至5月的Agentic SWARM黑客松期間反復(fù)思考的問題。Canteen與Colosseum聯(lián)合主辦的活動里，我一直在問：如果無法造假會怎樣？如果每一步訓(xùn)練都留下永久、公開、可驗(yàn)證的痕跡呢？

我花了三周時間嘗試構(gòu)建答案。結(jié)果是一個10×10的網(wǎng)格世界，兩個競爭智能體。它證明的原語很簡單：swarm-arena，一個基于Solana的無許可鏈上智能體訓(xùn)練場。

兩個智能體在資源收集網(wǎng)格中競爭，由Bevy ECS驅(qū)動——這是一個Rust游戲引擎，高效處理模擬循環(huán)。每200個tick結(jié)束一回合，得分與回合狀態(tài)經(jīng)SHA256哈希后，連同雙方得分和時間戳一并提交至Solana鏈上。

智能體聲譽(yù)隨回合在鏈上累積。若某智能體突破得分閾值，SOL獎勵自動從vault PDA釋放，無需人工介入。

技術(shù)棧很直接：Rust+Bevy ECS作為模擬引擎，其ECS架構(gòu)清晰分離了智能體組件、移動系統(tǒng)和獎勵系統(tǒng)；Anchor處理三個鏈上指令——智能體注冊、回合記錄、最終結(jié)算；React與@solana/web3.js構(gòu)建的儀表盤每5秒輪詢devnet，交易落塊實(shí)時可見。

首筆devnet交易于2026年4月12日確認(rèn)：38yieCpWNbex4RDEzXw8pEREHYQNswyW9hYBHXZmigLP9FEmp8FSpDAwPNvU3dcZuY5RrUdWRp6EJcjYJUcEoL21。

但拿到這筆確認(rèn)交易比預(yù)期久得多。50個回合后，Q-learning智能體的平均獎勵從0.10攀升至6.50以上。每一步都在devnet上不可篡改。