Populære emner
#
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.
I dagens åpne sesjon kjørte vi en analyse av anvendelsen av effektevaluerer eller blokkbelønningssystemer for 2 domener: akademisk publisering og miljø
Vi utledet 5 nyttige funksjoner i designet deres
1. Alle effektevaluatorfunksjoner krever troverdig konvertering til fungibilitet
Hash-kraft for btc, lagring for fil, etc. er klare matematiske funksjoner som muliggjør utstedelse mot en formel
Men folk kjøper bare utstedelsen hvis de aksepterer dens nøytralitet. For eksempel er karbonkreditter fungible, men mange kullforurensere bruker litt bedre teknologi og mottar kreditter, så det er ikke helt troverdig
2. Hvis de oppnås riktig, blir impact evaluator-systemer knotter som vi kan bruke til å justere langsiktige aktører rundt et ideelt resultat vi ønsker
De bør også være beregninger som er vanskelige å få tak i, men enkle å verifisere, i likhet med btc eller lagringskapasitet
3. Vi ønsker ideelt sett først å løse et problem lokalt som "er denne artikkelen nok til å bli akseptert til konferansene"
Og komme med disse innspillene til mer globale problemer som "er konferansen høy innvirkning", "hvor god er en forsker målt ved deres publisering på gode konferanser"
4. Vi vil at impact-evaluatorer skal være selvoppgraderende systemer, ellers kan de stivne til maktbastioner
Et godt eksempel er implementeringen av flertall i fellesskapsnotater eller klynge QF. Hvis 2 personer normalt er uenige, men nå er enige, har det en høyere vekt. Men hvis de igjen er enige neste gang, har det en lavere vekt siden sist de stemte sammen
5. Til slutt har vi effektevaluatorer som harde matematiske funksjoner som frigjør noen utslipp kontra mer myke og irrasjonelle krefter som markedspriser på den valutaen, som må settes i kvadrat mot hverandre

29. juli 2025
For en flott første presentasjon på forskningsretreatet av en av deltakerne om reguleringsteori
Han drev et kvantfirma fullt av matematikere, så han trengte å bestemme bonusstrukturen nøyaktig basert på fortjeneste oppnådd av tradere
Det var svært teknisk, så mye av det gikk over hodet på meg, men noen viktige poeng fikk jeg;
1. Vi bør konvertere globale problemer (som hvor mye denne personen bidro til selskapet) til lokale (hvem var ansvarlig for denne handelen på $100 og hvor mye)
2. Vi skiller ut estimering eller beregning av vekter fra kontroll eller fastsetter utbetalinger basert på oppnådde parametere
3. For kontrollspørsmål endrer vi fra en grafstruktur til en matrise, noe som gjør hele distribusjonsproblemet mer håndterbart
Mye av det vi diskuterte var svært relevant for dyp finansiering. Mine 2 nøkler takeaways var
- Hvis deler av matrisen er ufylt, kan vi bruke destillert menneskelig dømmekraft for å fortsatt estimere svarene deres?
- Hvis dyp finansiering er mindre av en trestruktur og mer av en rettet asyklisk graf, kan da anbefalingsalgoritmer brukes for å få vekter mellom repoer?




15,09K
Topp
Rangering
Favoritter