Chủ đề thịnh hành
#
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.
Trong các hệ thống phi tập trung, làm thế nào chúng ta có thể chọn lựa công bằng các người tham gia trong khi vẫn tối ưu hóa hiệu suất?
Việc chọn lựa ngẫu nhiên, hay còn gọi là sortition, đã được sử dụng từ lâu để đảm bảo tính công bằng và đại diện. Tuy nhiên, nhiều hệ thống phi tập trung ngày nay, từ mạng suy diễn đến oracle, được thiết kế với các kết quả có thể đo lường. Khi hiệu suất là một mục tiêu cốt lõi, một quy trình hoàn toàn ngẫu nhiên có thể không phục vụ được nhu cầu của mạng.
Trong Nghiên cứu về Sortition Dựa trên Thành tích trong Các Hệ thống Phi tập trung, một nhóm nghiên cứu do @AlloraLabsHQ' Trưởng phòng Nghiên cứu @Apollo11_Allora dẫn dắt giới thiệu một phương pháp mới cho phép việc chọn lựa bị ảnh hưởng bởi thành tích trước đó, mà không loại trừ những người tham gia ít hoạt động hoặc mới hơn khỏi việc xem xét trong tương lai.
Cơ chế cốt lõi sử dụng một chỉ số chất lượng được làm mịn theo cấp số nhân để xếp hạng các người tham gia. Những người đóng góp tích cực được chọn dựa trên thành tích gần đây của họ, trong khi những người không hoạt động vẫn được xem xét để thăng tiến bằng cách cập nhật các chỉ số chất lượng của họ với một đại diện dựa trên phần trăm được rút ra từ tập hợp hoạt động. Thiết kế này giữ cho hệ thống linh hoạt và bao trùm, nhưng vẫn liên tục nâng cao những người tham gia có thành tích cao vào nhóm hoạt động.
Thông qua một loạt các thí nghiệm số, nghiên cứu cho thấy phương pháp này dẫn đến một sự cải thiện rõ rệt và có ý nghĩa thống kê trong chất lượng của tập hợp hoạt động so với sortition ngẫu nhiên. Sự cân bằng tối ưu xảy ra khi các điểm số của những người tham gia không hoạt động được cập nhật bằng cách sử dụng phần trăm thứ 25 của các điểm số của những người tham gia hoạt động (đặt 25% dưới cùng của những người tham gia hoạt động vào nguy cơ trở thành không hoạt động), nhưng hệ thống vẫn có thể điều chỉnh để phù hợp với các thiết kế mạng khác nhau và mức độ thay đổi của người tham gia.
Đối với các hệ thống cần phối hợp trí tuệ phi tập trung, thích ứng với các điều kiện thay đổi và duy trì tính công bằng mà không hy sinh hiệu quả, công trình này cung cấp một giải pháp thực tiễn, có cơ sở tốt và có thể áp dụng chung.

16,38K
Hàng đầu
Thứ hạng
Yêu thích