该论文针对链上 AI 推理在 EVM 环境中的根本性瓶颈展开研究。背景问题是:以太坊虚拟机存储按 gas 计费,若把静态浮点神经网络权重矩阵写入链上存储,成本高达数百万 gas,使直接链上推理在工程上不可行;而零知识机器学习(ZK-ML)虽把张量乘法外包给链下证明者,却引入了 10 至 300 秒的 SNARK 证明延迟以及每笔 25 万至 50 万 gas 的验证开销。由于 DeFi 攻击(无抵押闪电贷、三明治 MEV、LVR 毒性流量)都在单个区块内原子完成,ZK-ML 预言机在时间尺度上无法及时响应。 为此作者提出 Werracle:一个零存储的链上 AI 决策预言机,其全部参数可压缩进单个 32 字节 EVM 存储槽(bytes32)。其核心方法借用程序化 Mandelbrot 逃逸动力学(z_{n+1}=z_n^2+c),由 24 字节坐标三元组 Theta=(c_x, c_y, zoom)推导出连续的非线性决策超平面,从而无需存储任何权重矩阵即可表达非线性判决边界。实现层面使用纯 Solidity 字节码与定点 Q16.16 算术(WerrMath.sol),对 16 点 Pareto 微网格求值仅消耗 21,438 gas,在 Base、Arbitrum 等 L2 rollup 上折合不足 0.0005 美元,执行延迟为亚毫秒级。 应用演示为 WerracleFeeHook.sol——一个 Uniswap v4 动态 swap 费率调节器,实时度量订单簿湍流度并在 0.05% 至 0.50% 区间原子调整 LP 费率,作为闪电贷/MEV 场景下的“断路器”。作者声称协议通过 1,000 项密码学封存的确定性验证套件(100% 通过),遥测永久关闭,并在专用 EVM 开发网沙盒(Chain ID 4242)上运行。 需注意:所引前置工作标注为 arXiv:2609.25498,该编号指向未来日期、无法核实;“production-grade” 的表述仅基于 devnet 沙盒,文中未披露主网部署、第三方审计或真实资金规模下的对抗测试结果。因此应视为概念验证型研究,而非可直接采信的生产级组件。