该论文从经济学角度分析了“有用工作量证明”（Proof-of-Useful-Work, PoUW）区块链的均衡特性。传统工作量证明（PoW）如比特币，其计算消耗仅用于维护共识，不产生外部经济价值；而PoUW旨在让同一计算既能保障区块链安全，又能产出有价值的经济输出（例如机器学习推理）。然而，一个常见的批评是：如果工作有用，攻击者可能因攻击而获得报酬，从而削弱安全性。作者建立了一个竞争均衡模型，其中计算资源可分配给三种活动：纯挖矿（mining）、纯有用工作（以机器学习推理为例）、以及同时产生两者的“双用途工作”（duplex work，存在计算开销）。模型通过一个单一经济参数——代币-推理比率（token-inference ratio，衡量代币采用程度相对于推理市场规模）——以及双用途工作开销，完成了均衡分配和价格的闭合式特征刻画。分析揭示了三个均衡体制： （1）“Bitconia”：经济体退化为经典PoW，有用工作无关紧要； （2）“Fortessia”：双用途工作取代纯挖矿，在有用产出不变的情况下提升安全性； （3）“Duplexia”：代币奖励补贴推理服务，降低推理价格并扩大供应。 与常见的稻草人论点相反，PoUW并不会使攻击变得经济上廉价：一旦考虑均衡价格，多数攻击的经济成本仍然与区块奖励挂钩。此外，在Duplexia体制下，区块奖励相当于推理价格的折扣，产生了如果没有区块链就不会出现的社会有用计算——这种扩张随代币采用和技术效率单调增加。本文为理解PoUW的经济安全特性提供了理论框架，适合区块链研究者、密码经济学家和安全分析师阅读。

该论文研究在不确定需求下的古诺寡头竞争市场中，竞争对手之间通过隐私保护渠道共享信息的激励机制。核心问题是：竞争性供应商是否愿意通过平台披露其私人信号？平台可以采用添加噪声的隐私保护机制，但噪声会降低信息效用。作者首先刻画了信息访问权与参与挂钩的基准设定。在没有外部信号的两企业市场中，无论隐私保护水平如何，企业都拒绝共享。但在 n 企业市场中，即使没有隐私保护，共享也可能发生，因为不参与者会失去对聚合信号的访问权。在此基础上，作者发现仅靠隐私保护不足以激励共享，必须同时存在一个信息量足够的外部信号。此外，拥有更准确私人信号的企业需要更强的隐私保护。论文通过博弈论分析，界定了共享可行域，并揭示了隐私设计与外部信息环境之间的互补关系。主要贡献在于为竞争环境下的隐私保护数据共享提供了理论基础，对平台设计、行业数据池构建等具有指导意义。适合关注数据经济、隐私机制设计的研究者和从业者阅读。

该论文通过一个竞赛理论模型研究了AI增强的攻防投资博弈。攻击者和防御者在多个攻击表面上分配资源，其中攻击者的投资通过两个渠道发挥作用：无条件增强攻击能力，以及条件性削弱防御效能，从而产生一个随防御者自身投资而内生深化的“对手折扣”。作者推导出闭式军备竞赛比率，将攻防投资的相对边际有效性分解为六个结构性基元，并证明了在连续最佳反应动态下均衡的唯一性和全局收敛性。核心结果围绕信号互相关性——即一个攻击表面上的威胁情报对另一个表面检测的告知程度。当信号完全互相关时，军备竞赛比率与攻击表面数量无关：攻击者从表面扩散中获得的结构性优势被完全中和。在基准的完全稀释情形下（无互相关），每个表面的防御有效性随攻击表面增加而消失。扩展到异质性防御者面对按期望值攻击的攻击者时，模型指出双重无效率：私人防御的过度投资（零和转移外部性）和共享信号互相关的投资不足（公共物品）。这些形式化结果，结合基本模型之外的公共物品推理，刻画了在对抗性竞赛中集体信息聚合何时能够主导私人能力投资成为决定性因素。