La ricerca mostra che il ragionamento di Sistema 2 compromette la governance DAO nei modelli linguistici di piccole dimensioni

Uno studio recente indaga il ruolo dei Modelli Linguistici di Piccole Dimensioni (SLM) come firewall costituzionali nativi per le Organizzazioni Autonome Decentralizzate (DAO). I ricercatori hanno creato Sentinel-Bench, un framework empirico composto da 840 inferenze, per eseguire rigorosi test di ablazione intra-modello su Qwen-3.5-9B. L'attenzione si è concentrata su come la scalabilità del calcolo in fase di inferenza influisca sulle prestazioni all'interno di contesti di governance criptoeconomica avversaria. I risultati hanno rivelato un significativo fenomeno di inversione calcolo-precisione. La baseline autoregressiva (ragionamento di Sistema 1) ha mostrato una robustezza avversaria e una coerenza giuridica perfette, raggiungendo la finalità di stato in meno di 13 secondi. Al contrario, il ragionamento di Sistema 2 ha portato a una grave instabilità, principalmente a causa di un calo del 26,7% nelle prestazioni. Questa ricerca evidenzia l'efficacia poco esplorata dei metodi di logica formale in scenari di governance DAO impegnativi, utilizzando un dataset avversario di Optimism DAO per valutare gli effetti del calcolo in fase di inferenza alternando il ragionamento latente su pesi del modello fissi. Le DAO si rivolgono sempre più agli SLM per la verifica delle proposte e per ridurre i rischi di ingegneria sociale semantica. I risultati sono stati pubblicati come arXiv:2604.16913v1.