Як у децентралізованих системах ми можемо справедливо відбирати учасників, оптимізуючись для продуктивності? Випадковий відбір, або жеребкування, здавна використовувався для забезпечення справедливості та представництва. Однак багато децентралізованих систем сьогодні, від мереж логічного висновку до оракулів, розроблені з урахуванням вимірюваних результатів. Коли продуктивність є основною метою, чисто випадковий процес може не відповідати потребам мережі. У книзі «Жеребкування на основі заслуг у децентралізованих системах» дослідницька група на чолі з керівником відділу @AlloraLabsHQ @Apollo11_Allora впроваджує новий метод, який дозволяє впливати на вибір під впливом попередніх результатів, не виключаючи менш активних або нових учасників із майбутнього розгляду. Основний механізм використовує експоненціально згладжений показник якості для ранжування учасників. Активні дописувачі вибираються на основі їхньої нещодавньої ефективності, тоді як неактивні все ще розглядаються для просування, оновлюючи їхні показники якості за допомогою проксі-сервера на основі процентиля, взятого з активного набору. Такий дизайн зберігає систему гнучкою та інклюзивною, але при цьому постійно піднімає учасників з вищою ефективністю в активний пул. За допомогою серії чисельних експериментів дослідження показує, що цей метод призводить до явного і статистично значущого поліпшення якості активного набору в порівнянні з випадковим жеребкуванням. Оптимальний баланс виникає, коли оцінки неактивних учасників оновлюються з використанням 25-го процентиля від балів активних учасників (що ставить нижні 25% активних учасників під загрозу стати неактивними), але система залишається налаштованою відповідно до різних структур мережі та рівнів відтоку учасників. Для систем, які повинні координувати децентралізований інтелект, адаптуватися до мінливих умов і дотримуватися справедливості без шкоди для ефективності, ця робота пропонує практичне, добре обґрунтоване і загально застосовне рішення. Читайте повний текст дослідження: