个人简介
Kshitij Kulkarni 是一位专注于区块链协议研究、博弈论和机制设计的学者型研究员。他现任 Succinct 协议研究主管，此前曾在 Gauntlet 担任研究员。Kulkarni 在加州大学伯克利分校获得电气工程硕士与博士学位，师从著名教授 S. Shankar Sastry，研究方向涵盖博弈论、控制理论和机器学习。他在去中心化金融（DeFi）、最大可提取价值（MEV）、恒定函数做市商（CFMM）等领域发表了多篇具有影响力的学术论文，是区块链经济安全性和机制设计领域的重要研究者。
主要成就
- 发表《Towards a Theory of Maximal Extractable Value I: Constant Function Market Makers》论文，开创了MEV理论化研究的新方向
- 发表《The Geometry of Constant Function Market Makers》于顶级会议EC 2024，从几何学角度深入分析CFMM机制
- 发表《Improving Proof of Stake Economic Security via MEV Redistribution》，提出通过MEV再分配提升PoS经济安全性的创新方案
- 发表《Credible, Optimal Auctions via Public Broadcast》于AFT 2024，研究区块链上的可信最优拍卖机制
- 发表《Routing MEV in Constant Function Market Makers》于WINE 2023，系统研究CFMM中的MEV路由问题
- 在加州大学伯克利分校完成关于动态收费与自适应激励设计的博士论文，获得EECS博士学位
- 多次在ACM CCS、CDC、ACC、ICML、EC等顶级学术会议发表论文
- 作为核心研究人员参与Succinct的零知识证明协议研究与开发
成长历程
2015-2019
佐治亚理工学院本科学习
在佐治亚理工学院（Georgia Institute of Technology）攻读电气工程学士学位，同时辅修经济学，为后续的学术研究和区块链领域工作奠定工程与经济基础。
2018年夏季
Citadel交易实习生
在全球顶级对冲基金Citadel, LLC担任交易实习生，积累金融市场和量化交易的实践经验。
2019年夏季
D.E. Shaw & Co.自营交易实习生
在知名投资管理公司D.E. Shaw & Co.担任自营交易实习生，进一步深化对金融市场的理解。
2019-2022
加州大学伯克利分校硕士阶段
进入加州大学伯克利分校EECS系攻读电气工程硕士学位，开始专注于博弈论、控制系统和机器学习研究。硕士论文题目为《Social Optimality via Dynamic Tolling and Adaptive Incentive Design》。
2019年秋季
Simons Institute访问学生
作为访问研究生参加Simons Institute的'Online and Matching-Based Market Design'项目，开始接触机制设计和市场设计理论。
2020年秋季
Simons Institute强化学习理论项目
参加Simons Institute的'Theory of Reinforcement Learning'项目，深化对强化学习理论的理解。
2022年春季
Simons Institute学习与博弈项目
参加Simons Institute的'Learning and Games'项目，研究多智能体学习与博弈论的交叉领域。
2022-2024
加州大学伯克利分校博士阶段
继续攻读电气工程博士学位，研究方向为自主系统中的博弈论、机制设计和动态系统理论。期间发表多篇关于DeFi、MEV和区块链经济安全性的重要论文。
2022-2024
Gauntlet研究员
在去中心化金融风险管理公司Gauntlet担任研究员，专注于DeFi协议的经济安全性分析和优化。
2024年至今
Succinct协议研究主管
加入Succinct担任协议研究主管（Head of Protocol Research），领导零知识证明协议的研究与开发工作，推动区块链可扩展性和隐私保护技术的发展。
相关文章
经典观点
"在恒定函数做市商（CFMM）中，最大可提取价值（MEV）可以通过几何方法进行系统化分析和优化。"
— 《The Geometry of Constant Function Market Makers》, EC 2024
"通过MEV的再分配机制可以显著提升权益证明（PoS）区块链的经济安全性。"
— 《Improving Proof of Stake Economic Security via MEV Redistribution》, DeFi@CCS 2022
"动态收费和自适应激励设计可以引导自私的智能体在长期学习中达到社会最优结果。"
— 博士论文《Social Optimality via Dynamic Tolling and Adaptive Incentive Design》
"区块链可以作为可信的公开广播渠道，实现可信的最优拍卖机制。"
— 《Credible, Optimal Auctions via Public Broadcast》, AFT 2024