在去中心化系統中，我們如何在優化性能的同時公平地選擇參與者？ 隨機選擇或抽籤長期以來一直被用來確保公平和代表性。然而，許多現代去中心化系統，從推理網絡到預言機，都是以可測量的結果為設計目標。當性能是核心目標時，純粹的隨機過程可能無法滿足網絡的需求。 在《去中心化系統中的基於績效的抽籤》中，由@AlloraLabsHQ的研究負責人@Apollo11_Allora領導的研究團隊介紹了一種新方法，允許選擇受到先前績效的影響，同時不排除較少活躍或較新的參與者在未來的考慮。 核心機制使用指數平滑的質量指標來對參與者進行排名。活躍的貢獻者根據他們最近的表現被選中，而不活躍的參與者仍然通過使用從活躍集提取的基於百分位的代理更新他們的質量指標來考慮晉升。這種設計保持了系統的靈活性和包容性，同時持續將高績效參與者提升到活躍池中。 通過一系列數值實驗，研究表明，這種方法在活躍集的質量上相較於隨機抽籤有明顯且統計顯著的改善。最佳平衡發生在不活躍參與者的分數使用活躍參與者分數的第25百分位進行更新時（將活躍參與者的底部25%置於變為不活躍的風險中），但系統仍然可以調節以適應不同的網絡設計和參與者流動水平。 對於必須協調去中心化智能、適應變化條件並在不犧牲有效性的情況下維護公平的系統，這項工作提供了一個實用、基礎扎實且普遍適用的解決方案。 閱讀完整研究：