W dzisiejszej otwartej sesji przeprowadziliśmy analizę zastosowania systemów oceny wpływu lub systemów nagród blokowych w 2 dziedzinach: publikacje akademickie i środowisko. Wyodrębniliśmy 5 użytecznych cech w ich projektowaniu. 1. Wszystkie funkcje oceny wpływu wymagają wiarygodnej konwersji na wymienność. Moc obliczeniowa dla btc, pamięć dla fil itd. to jasne funkcje matematyczne pozwalające na emisję w oparciu o jakąś formułę. Jednak ludzie kupują emisję tylko wtedy, gdy akceptują jej neutralność. Na przykład, kredyty węglowe są wymienne, ale wielu zanieczyszczających węgiel używa nieco lepszej technologii i otrzymuje kredyty, więc nie jest to całkowicie wiarygodne. 2. Jeśli są odpowiednio uzyskane, systemy oceny wpływu stają się pokrętłami, za pomocą których możemy dostosować długoterminowych aktorów do idealnego wyniku, którego chcemy. Powinny to być również metryki, które są trudne do uzyskania, ale łatwe do weryfikacji, podobnie jak btc lub pojemność pamięci. 3. Chcemy najpierw rozwiązać jakiś problem lokalnie, na przykład "czy ten artykuł jest wystarczający, aby zostać zaakceptowanym na konferencjach?" I wprowadzić te dane do bardziej globalnych problemów, takich jak "czy konferencja ma duży wpływ?", "jak dobry jest badacz, mierzony jego publikacjami w dobrych konferencjach?" 4. Chcemy, aby oceny wpływu były systemami samouczącymi się, w przeciwnym razie mogą skostnieć w bastiony władzy. Dobrym przykładem jest wdrożenie pluralizmu w notatkach społecznościowych lub klastrze QF. Jeśli 2 osoby zazwyczaj się nie zgadzają, ale teraz się zgadzają, ma to większą wagę. Ale jeśli znów się zgodzą następnym razem, ma to mniejszą wagę, ponieważ ostatnim razem głosowali razem. 5. Na koniec mamy oceny wpływu jako twarde funkcje matematyczne, które uwalniają pewne emisje w porównaniu do bardziej miękkich i irracjonalnych sił, takich jak ceny rynkowe tej waluty, które muszą być ze sobą porównane.
Devansh Mehta
Devansh Mehta29 lip 2025
Jak wspaniała pierwsza prezentacja na retreat badawczym jednego z uczestników na temat teorii sterowania Prowadził firmę zajmującą się kwantami, pełną matematyków, więc musiał dokładnie określić strukturę premii na podstawie zysków osiągniętych przez traderów Było to bardzo techniczne, więc wiele z tego umknęło mi, ale kilka kluczowych punktów zrozumiałem; 1. Powinniśmy przekształcać globalne problemy (jak dużo ta osoba przyczyniła się do firmy) w lokalne (kto był odpowiedzialny za ten handel za 100 $ i ile) 2. Oddzielamy oszacowanie lub ustalanie wag od kontroli lub ustalania wypłat na podstawie uzyskanych parametrów 3. W przypadku pytań kontrolnych zmieniamy strukturę grafu na macierz, co sprawia, że cały problem rozkładu staje się bardziej zrozumiały Wiele z tego, o czym rozmawialiśmy, było bardzo istotne dla głębokiego finansowania. Moje 2 kluczowe wnioski to - Jeśli części macierzy są puste, czy możemy wykorzystać destylowaną ludzką ocenę, aby nadal oszacować ich odpowiedzi? - Jeśli głębokie finansowanie jest mniej strukturą drzewa, a bardziej skierowanym grafem acyklicznym, to czy algorytmy rekomendacji mogą być zastosowane do uzyskania wag między repozytoriami?
15,16K