Ricerca
Quando gli agenti di intelligenza artificiale incontrano il MEV: l’arbitraggio cross-chain nell’economia agentica
Studiamo l’arbitraggio tra blockchain quando a cercare le opportunità sono agenti autonomi di intelligenza artificiale, anziché esseri umani o bot. Modelliamo gli agenti sia come soggetti che…

- arXiv
- 2609.17897
- Pubblicato
- 2026-09-15
- Autori
- Wei Ye, Jingyan Xu, Yuanhong Wu
Abstract degli autori
Studiamo l’arbitraggio tra blockchain quando a cercare le opportunità sono agenti autonomi di intelligenza artificiale, anziché esseri umani o bot. Modelliamo gli agenti sia come soggetti che traggono profitto dall’arbitraggio sia come bersagli del Maximal Extractable Value (MEV); ricaviamo la dimensione ottimale delle operazioni per un agente avverso al rischio, secondo un modello di utilità media-varianza con ritardi stocastici dei bridge; e formalizziamo la scelta dei percorsi tra più blockchain come un problema di apprendimento online ponderato in base alle credenze, le cui stime convergono secondo uno schema di Robbins-Monro. Analizzando 23.000 swap su Uniswap V3 tra Ethereum, Arbitrum e Base, rileviamo che, con una risoluzione di 10 secondi, gli scarti di prezzo tra Ethereum e Arbitrum sono in media dello 0,044% e quelli tra Arbitrum e Base dello 0,013%; quindi $10,000 trades clear in 63% of L2-L2 windows via CCTP while L1-L2 routes require $50.000 o più per una redditività comparabile. Il nostro algoritmo adattivo di scelta dei percorsi supera i metodi standard di riferimento in media dell’11%, mentre una randomizzazione moderata riduce l’esposizione al MEV di oltre il 50%, con una perdita di profitto contenuta.
Il riassunto di questo paper è disponibile solo in inglese: leggilo nella pagina inglese.
Leggi il paper originale su arXiv