Phase 6 — 전문가 커버리지 마켓 (M3)
약한 노드가 어떤 (레이어, 전문가 범위)가 가장 희소하고 보상이 큰지 보고 스스로 채운다 — 검증된 레이어 마켓을 더 잘게.
Kvasir의 레이어 샤드 마켓 — 수요 맵, 최대보상 self-enrollment, 부분 다운로드, 노드별 보상 — 은 이미 실기기 검증됐다. M3는 같은 메커니즘을 (레이어, 전문가 범위) 단위로 재파라미터화해, 커버리지가 가장 복제 부족하고 보상 큰 전문가 범위를 향해 자가 치유되게 한다.
검증 · API
희소성 집계 → 최대보상 범위 배정
워커 3개가 layer 0에 등록한다: A = [0,128), B = [128,256), C = [0,128) 2차 복제본, target_replicas = 2:
| 레이어 | 전문가 | 복제본 | 희소성 |
|---|---|---|---|
| 0 | [0, 128) | 2 | 0.0 (목표 달성) |
| 0 | [128, 256) | 1 | 0.5 (목표 미달) |
volunteer(max_experts=64) → 가장 희소한 범위를 노드 예산에 맞게 클립.
POST /api/expert-volunteer {"max_experts": 64}
→ {layer: 0, experts: [128, 192], scarcity: 0.5, replicas: 1, target: 2}완료 · 순수 Python (허브)
전문가 단위의 수요/공급 마켓
POST /api/expert-coverage— 워커가 (레이어, 전문가 범위) 보유를 heartbeat.GET /api/expert-demand— 전문가별 복제본 집계 → 희소성 점수가 붙은 연속 전문가 범위 세그먼트.POST /api/expert-volunteer— 가장 희소한 범위를 노드 예산에 맞춰 배정.- 기존 레이어 마켓(self-enroll · 부분 다운로드 · 보상)을 (레이어, 전문가 범위)로 재파라미터화.
M4에서 이어질 것: 동시 요청의 배치 dispatch + hot-expert 캐시 — 워커 수에 비례하는 tokens/s — 그리고 복제본 라우팅(가장 가깝고 빠른 워커)과 churn fallback.