在去中心化系统中，我们如何在优化性能的同时公平地选择参与者？ 随机选择或抽签长期以来一直被用来确保公平和代表性。然而，许多现代去中心化系统，从推理网络到预言机，都是以可测量的结果为设计目标。当性能是核心目标时，纯粹的随机过程可能无法满足网络的需求。 在《去中心化系统中的基于绩效的抽签》中，由@AlloraLabsHQ的研究负责人@Apollo11_Allora领导的研究团队介绍了一种新方法，允许选择受到先前绩效的影响，同时不排除较少活跃或较新的参与者在未来的考虑。 核心机制使用指数平滑的质量指标来对参与者进行排名。活跃的贡献者根据他们最近的表现被选中，而不活跃的参与者仍然通过使用从活跃集提取的基于百分位的代理更新他们的质量指标来考虑晋升。这种设计保持了系统的灵活性和包容性，同时持续将高绩效参与者提升到活跃池中。 通过一系列数值实验，研究表明，这种方法在活跃集的质量上相较于随机抽签有明显且统计显著的改善。最佳平衡发生在不活跃参与者的分数使用活跃参与者分数的第25百分位进行更新时（将活跃参与者的底部25%置于变为不活跃的风险中），但系统仍然可以调节以适应不同的网络设计和参与者流动水平。 对于必须协调去中心化智能、适应变化条件并在不牺牲有效性的情况下维护公平的系统，这项工作提供了一个实用、基础扎实且普遍适用的解决方案。 阅读完整研究：