Populární témata
#
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.
V dnešním otevřeném bloku jsme provedli analýzu aplikace systémů typu hodnocení dopadu nebo blokových odměn pro 2 domény: akademické publikování a životní prostředí
Odvodili jsme 5 užitečných vlastností z jejich designu
1. Všechny funkce nástroje pro hodnocení dopadu vyžadují věrohodnou konverzi na zastupitelnost
Hash power pro btc, storage pro fil atd. jsou jasné matematické funkce umožňující vydání proti nějakému vzorci
Lidé však na emisi spoléhají pouze tehdy, pokud přijmou její neutralitu. Např. uhlíkové kredity jsou zastupitelné, ale mnoho uhelných znečišťovatelů používá o něco lepší technologii a dostává kredity, takže to není zcela důvěryhodné
2. Pokud jsou správně získány, systémy hodnocení dopadu se stávají knoflíky, pomocí kterých můžeme sladit dlouhodobé aktéry kolem ideálního výsledku, který chceme
Měly by to být také metriky, které je obtížné získat, ale lze je snadno ověřit, podobně jako btc nebo úložná kapacita
3. Chceme ideálně nejprve vyřešit nějaký problém lokálně jako "je tento článek dostatečný pro přijetí na konference?"
A tyto vstupy se vztahují na globálnější problémy, jako například "má konference velký dopad", "jak dobrý je výzkumník podle jeho publikace na dobrých konferencích"
4. Chceme, aby hodnotitelé dopadu byli samozdokonalující se systémy, jinak mohou zkostnatět do bašt moci
Dobrým příkladem je implementace plurality v poznámkách komunity nebo clusteru QF. Pokud 2 lidé normálně nesouhlasí, ale nyní souhlasí, má to vyšší váhu. Ale pokud se příště znovu shodnou, má to nižší váhu, než když minule hlasovali společně
5. A konečně, máme hodnotitele dopadu jako tvrdé matematické funkce, které uvolňují některé emise oproti měkčím a iracionálním silám, jako jsou tržní ceny této měny, které je třeba vzájemně porovnat

29. 7. 2025
Skvělá první prezentace na výzkumném retreatu jednoho z účastníků o teorii řízení
Vedl kvantovou firmu plnou matematiků, takže potřeboval přesně určit strukturu bonusů na základě zisku obchodníků
Bylo to vysoce technické, takže mi toho hodně přerostlo přes hlavu, ale některé klíčové body jsem pochopil;
1. Měli bychom převést globální problémy (například kolik tato osoba přispěla společnosti) na lokální (kdo byl zodpovědný za tento obchod za 100 USD a kolik)
2. Oddělujeme odhad nebo zjišťování vah od kontroly nebo určování výplat na základě získaných parametrů
3. U kontrolních otázek změníme strukturu grafu na matici, čímž se celý problém rozdělení stane lépe řešitelným
Mnohé z toho, o čem jsme diskutovali, bylo vysoce relevantní pro hluboké financování. Moje 2 klíčové poznatky byly
- Pokud jsou části matice nevyplněné, můžeme použít destilovaný lidský úsudek k odhadu jejich odpovědí?
- Pokud je hluboké financování méně stromovou strukturou a více orientovaným acyklickým grafem, lze doporučovací algoritmy použít k získání vah mezi repozitáři?




15,11K
Top
Hodnocení
Oblíbené