I dagens öppna session körde vi en analys av tillämpningen av impact evaluator eller blockbelöningssystem för 2 domäner: akademisk publicering och miljö Vi härledde 5 användbara funktioner i deras design 1. Alla funktioner för effektutvärdering kräver trovärdig omvandling till fungibilitet Hash power för btc, storage för fil, etc. är tydliga matematiska funktioner som gör det möjligt att utfärda mot någon formel Men folk köper bara in sig i emissionen om de accepterar dess neutralitet. Till exempel är koldioxidkrediter fungibla men många kolförorenare använder lite bättre teknik och får krediter så det är inte helt trovärdigt 2. Om de används på rätt sätt blir effektutvärderingssystem knoppar genom vilka vi kan anpassa långsiktiga aktörer kring ett idealiskt resultat som vi vill ha De bör också vara mått som är svåra att få men lätta att verifiera, liknande btc eller lagringskapacitet 3. Vi vill helst först lösa något problem lokalt som "är det här dokumentet tillräckligt för att accepteras till konferenserna" Och göra dessa inspel på mer globala problem som "är konferensen hög påverkan", "hur bra är en forskare mätt genom deras publicering på bra konferenser" 4. Vi vill att effektutvärderare ska vara självuppgraderande system, annars kan de stelna till bastioner av makt Ett bra exempel är implementeringen av pluralitet i community-anteckningar eller kluster-QF. Om 2 personer normalt sett är oense men nu håller med, har det en högre vikt. Men om de kommer överens igen nästa gång så har det en lägre vikt sedan förra gången de röstade tillsammans 5. Slutligen har vi effektutvärderare som hårda matematiska funktioner som frigör vissa utsläpp jämfört med mer mjuka och irrationella krafter som marknadspriserna på den valutan, som måste ställas mot varandra
Devansh Mehta
Devansh Mehta29 juli 2025
Vilken fantastisk första presentation på forskningsretreaten av en av deltagarna om kontrollteori Han drev ett kvantföretag fullt av matematiker, så han behövde bestämma exakt bonusstrukturen baserat på vinst från handlare Det var mycket tekniskt så mycket av det gick över mitt huvud, men några viktiga punkter jag fick; 1. Vi bör omvandla globala problem (som hur mycket bidrog den här personen till företaget) till lokala problem (vem var ansvarig för denna handel på 100 dollar och hur mycket) 2. Vi separerar ut uppskattning eller beräkning av vikter från kontroll eller fastställande av utbetalningar baserat på erhållna parametrar 3. För kontrollfrågor ändrar vi från en grafstruktur till en matris, vilket gör hela fördelningsproblemet mer hanterbart Mycket av det vi diskuterade var högst relevant för djupfinansiering. Mina 2 nycklar takeaways var - Om delar av matrisen är ofyllda, kan vi använda destillerat mänskligt omdöme för att fortfarande uppskatta deras svar? - Om Deep Funding är mindre av en trädstruktur och mer av en riktad acyklisk graf, kan då rekommendationsalgoritmer tillämpas för att få vikter mellan repor?
15,1K