En la sesión abierta de hoy, realizamos un análisis sobre la aplicación de evaluadores de impacto o sistemas de tipo recompensa por bloque para 2 dominios: publicación académica y medio ambiente. Derivamos 5 características útiles en su diseño. 1. Todas las funciones de evaluadores de impacto requieren una conversión creíble en fungibilidad. El poder de hash para btc, el almacenamiento para fil, etc. son funciones matemáticas claras que permiten la emisión contra alguna fórmula. Pero las personas solo compran la emisión si aceptan su neutralidad. Por ejemplo, los créditos de carbono son fungibles, pero muchos contaminadores de carbón utilizan alguna tecnología ligeramente mejor y reciben créditos, por lo que no es del todo creíble. 2. Si se obtienen adecuadamente, los sistemas de evaluadores de impacto se convierten en perillas mediante las cuales podemos alinear a los actores a largo plazo en torno a un resultado ideal que deseamos. También deberían ser métricas que son difíciles de obtener pero fáciles de verificar, similar a btc o capacidad de almacenamiento. 3. Queremos, idealmente, resolver primero algún problema local como "¿es este artículo suficiente para ser aceptado en las conferencias?" Y hacer que esas entradas se integren en problemas más globales como "¿es la conferencia de alto impacto?", "¿qué tan bueno es un investigador medido por sus publicaciones en buenas conferencias?" 4. Queremos que los evaluadores de impacto sean sistemas de autoactualización, de lo contrario, pueden convertirse en bastiones de poder. Un buen ejemplo es la implementación de pluralidad en notas comunitarias o cluster QF. Si 2 personas normalmente están en desacuerdo pero ahora están de acuerdo, eso tiene un mayor peso. Pero si vuelven a estar de acuerdo la próxima vez, tiene un peso menor ya que la última vez votaron juntos. 5. Finalmente, tenemos evaluadores de impacto como funciones matemáticas duras que liberan algunas emisiones frente a fuerzas más suaves e irracionales como los precios de mercado de esa moneda, que necesitan ser comparadas entre sí.