Subiecte populare
#
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.
În sesiunea deschisă de astăzi am efectuat o analiză privind aplicarea sistemelor de tip evaluator de impact sau de recompensă bloc pentru 2 domenii: publicare academică și mediu
Am derivat 5 caracteristici utile în designul lor
1. Toate funcțiile de evaluare a impactului necesită o conversie credibilă în fungibilitate
Puterea de hash pentru btc, stocarea pentru file etc. sunt funcții matematice clare care permit emiterea împotriva unei formule
Dar oamenii cred în emisiune doar dacă îi acceptă neutralitatea. De exemplu, creditele de carbon sunt fungibile, dar mulți poluatori de cărbune folosesc o tehnologie puțin mai bună și primesc credite, deci nu este pe deplin credibil
2. Dacă sunt obținute corect, sistemele de evaluare a impactului devin butoane prin care putem alinia actorii pe termen lung în jurul unui rezultat ideal pe care ni-l dorim
De asemenea, ar trebui să fie valori greu de obținut, dar ușor de verificat, similare cu btc sau capacitatea de stocare
3. În mod ideal, vrem să rezolvăm mai întâi o problemă locală, cum ar fi "este această lucrare suficientă pentru a fi acceptată la conferințe?"
Și să aducă acele contribuții la probleme mai globale, cum ar fi "este conferința un impact ridicat", "cât de bun este un cercetător măsurat prin publicarea sa în conferințe bune"
4. Vrem ca evaluatorii de impact să fie sisteme de auto-actualizare, altfel se pot osifica în bastioane ale puterii
Un bun exemplu este implementarea pluralității în notele comunității sau în QF de grup. Dacă 2 persoane în mod normal nu sunt de acord, dar acum sunt de acord, asta are o greutate mai mare. Dar dacă vor fi din nou de acord data viitoare, are o greutate mai mică față de ultima dată când au votat împreună
5. În cele din urmă, avem evaluatori de impact ca funcții matematice dure care eliberează unele emisii față de forțe mai soft și iraționale, cum ar fi prețurile de piață ale acelei monede, care trebuie să fie în cuadratar una cu cealaltă

29 iul. 2025
What a great first presentation at the research retreat by one of the participants on control theory
He ran a quant firm full of mathematicians, so he needed to exactly determine the bonus structure based on profit made by traders
It was highly technical so much of it went over my head, but some key points i did get;
1. We should convert global problems (like how much did this person contribute to the company) into local ones (who was responsible for this $100 trade and how much)
2. We separate out estimation or figuring out weights from control or determining payouts based on obtained parameters
3. For control questions, we change from a graph structure into a matrix, making the whole distribution problem more tractable
Much of what we discussed was highly relevant to deep funding. My 2 keys takeaways were
- If parts of the matrix are unfilled, can we use distilled human judgment to still estimate their answers?
- if deep funding is less of a tree structure and more of a directed acyclic graph, then can recommendation algorithms be applied to getting weights between repos?




15,09K
Limită superioară
Clasament
Favorite