一句话看懂：arXiv 上一篇新论文提出 Anduin 评分框架，试图用链上支付历史为自主 AI 代理服务商生成抗女巫攻击的信誉评分，为无需许可的代理市场提供一个可验证的信任参考。
事件核心：发生了什么
这篇题为 Anduin 的论文摘要显示，作者使用覆盖 16 条区块链、157 天内的 6600 万笔代理交易（总额约 610 万美元）构建买卖双方二部图，并基于买方可信网络上的图路径为服务商推导评分。论文提出三种抗女巫算法：最大流评分，以及两种为提升评分表现而优化的松弛算法。在 813 名买家的模拟对抗测试中，操纵评分的成本相当于这些买家总支出约 20%，且比标准协同过滤相似度规则难操纵约 23 倍。需要注意，以上仅为论文摘要信息，全文实验细节和同行评审状态尚未核验。
为什么重要
自主 AI 代理开始进入无需许可的链上市场后，选择新服务商是一个现实难题。现有信誉体系依赖人工审核、身份凭证或自愿评价，资源稀缺且容易被刷量扭曲；而单纯按交易量排名又容易遭遇女巫攻击。Anduin 的思路是把链上支付记录当作可复用的信任信号，让代理市场的信誉机制更容易规模化，同时不依赖中心化审核。若方向成立，它可能影响 AI 代理调用 API、结算支付和选择服务商的基础设施层设计。
对用户/开发者/创作者的影响
对开发者而言，这类评分框架可能成为代理应用选择链上服务时的参考模块，涉及交易图谱建模、评分接口和反操纵策略。对使用 AI 代理完成采购或任务外包的用户，评分越抗操纵，越能降低选到低质量或恶意服务商的概率。对创作者和自动化工作流设计者，若评分开源或可集成，可能推动更多代理市场采用“支付历史即信誉”的产品思路。不过目前公开信息显示，这仍是研究原型，距离可直接调用的 API 或成熟产品还有距离。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是论文是否公开完整实验、代码或数据集，以及是否经过同行评审；二是评分算法能否在真实代理市场而非模拟对抗环境中验证；三是是否有代理支付平台或链上基础设施项目跟进落地，形成可调用的信誉服务。
来源：arXiv cs.AI
