Trend-Themen
#
Bonk Eco continues to show strength amid $USELESS rally
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
#
Boop.Fun leading the way with a new launchpad on Solana.
In der heutigen offenen Sitzung haben wir eine Analyse zur Anwendung von Impact-Evaluatoren oder Blockbelohnungssystemen für 2 Bereiche durchgeführt: akademische Veröffentlichung & Umwelt
Wir haben 5 nützliche Merkmale in ihrem Design abgeleitet
1. Alle Funktionen von Impact-Evaluatoren erfordern eine glaubwürdige Umwandlung in Fungibilität
Hash-Power für btc, Speicher für fil usw. sind klare mathematische Funktionen, die eine Ausgabe gegen eine bestimmte Formel ermöglichen
Aber die Leute kaufen nur in die Ausgabe ein, wenn sie ihre Neutralität akzeptieren. Zum Beispiel sind Kohlenstoffgutschriften fungibel, aber viele Kohlenstoffverschmutzer verwenden eine etwas bessere Technologie und erhalten Gutschriften, sodass es nicht ganz glaubwürdig ist
2. Wenn sie richtig erlangt werden, werden Impact-Evaluatorsysteme zu Reglern, mit denen wir langfristige Akteure um ein ideales Ergebnis, das wir wollen, ausrichten können
Sie sollten auch Metriken sein, die schwer zu erlangen, aber leicht zu überprüfen sind, ähnlich wie btc oder Speicherkapazität
3. Wir wollen idealerweise zuerst ein Problem lokal lösen, wie "Ist dieses Papier ausreichend, um auf den Konferenzen akzeptiert zu werden?"
Und diese Eingaben in globalere Probleme wie "Ist die Konferenz hochwirksam?", "Wie gut ist ein Forscher, gemessen an seinen Veröffentlichungen in guten Konferenzen?"
4. Wir wollen, dass Impact-Evaluator selbstaufwertende Systeme sind, sonst können sie zu Bastionen der Macht versteinern
Ein gutes Beispiel ist die Implementierung von Pluralität in Community-Notizen oder Cluster-QF. Wenn 2 Personen normalerweise nicht übereinstimmen, aber jetzt zustimmen, hat das ein höheres Gewicht. Wenn sie beim nächsten Mal wieder zustimmen, hat das ein geringeres Gewicht, da sie beim letzten Mal gemeinsam abgestimmt haben
5. Schließlich haben wir Impact-Evaluator als harte mathematische Funktionen, die einige Emissionen freisetzen, im Gegensatz zu weicheren und irrationalen Kräften wie den Marktpreisen dieser Währung, die gegeneinander abgewogen werden müssen.

29. Juli 2025
Was für eine großartige erste Präsentation beim Forschungstreffen von einem der Teilnehmer über Regelungstheorie.
Er leitete eine quantitativen Firma voller Mathematiker, daher musste er die Bonusstruktur genau bestimmen, basierend auf dem Gewinn, den die Händler erzielt haben.
Es war sehr technisch, sodass vieles davon über meinen Kopf hinwegging, aber einige wichtige Punkte habe ich verstanden:
1. Wir sollten globale Probleme (wie viel hat diese Person zum Unternehmen beigetragen) in lokale Probleme umwandeln (wer war für diesen $100-Handel verantwortlich und wie viel).
2. Wir trennen die Schätzung oder das Herausfinden von Gewichten von der Kontrolle oder der Bestimmung von Auszahlungen basierend auf den erhaltenen Parametern.
3. Für Kontrollfragen wechseln wir von einer Graphstruktur zu einer Matrix, wodurch das gesamte Verteilungsproblem handhabbarer wird.
Vieles von dem, was wir besprochen haben, war sehr relevant für Deep Funding. Meine 2 wichtigsten Erkenntnisse waren:
- Wenn Teile der Matrix nicht ausgefüllt sind, können wir dann destilliertes menschliches Urteilsvermögen nutzen, um ihre Antworten dennoch zu schätzen?
- Wenn Deep Funding weniger eine Baumstruktur und mehr ein gerichteter azyklischer Graph ist, können dann Empfehlungsalgorithmen angewendet werden, um Gewichte zwischen Repos zu erhalten?




15,2K
Top
Ranking
Favoriten