In de open sessie van vandaag hebben we een analyse uitgevoerd over de toepassing van impact evaluatoren of block reward type systemen voor 2 domeinen: academische publicaties & milieu We hebben 5 nuttige kenmerken in hun ontwerp afgeleid 1. Alle functies van impact evaluatoren vereisen een geloofwaardige conversie naar verhandelbaarheid Hashkracht voor btc, opslag voor fil, enz. zijn duidelijke wiskundige functies die het mogelijk maken om uitgifte tegen een bepaalde formule te doen Maar mensen kopen alleen in de uitgifte als ze de neutraliteit ervan accepteren. Bijvoorbeeld, koolstofcredits zijn verhandelbaar, maar veel kolenvervuilers gebruiken een iets betere technologie en ontvangen credits, dus het is niet helemaal geloofwaardig 2. Als ze goed verkregen zijn, worden impact evaluators knoppen waarmee we lange termijn actoren kunnen afstemmen rond een ideaal resultaat dat we willen Ze moeten ook metrics zijn die moeilijk te verkrijgen zijn maar gemakkelijk te verifiëren, vergelijkbaar met btc of opslagcapaciteit 3. We willen idealiter eerst een probleem lokaal oplossen zoals "is dit paper voldoende om geaccepteerd te worden op de conferenties" En die input gebruiken voor meer globale problemen zoals "is de conferentie van hoge impact", "hoe goed is een onderzoeker gemeten aan de hand van hun publicatie in goede conferenties" 4. We willen dat impact evaluatoren zelfupgrading systemen zijn, anders kunnen ze verstenen in bastions van macht Een goed voorbeeld is de implementatie van pluraliteit in community notes of cluster QF. Als 2 mensen normaal gesproken het oneens zijn maar nu het eens zijn, heeft dat een hoger gewicht. Maar als ze de volgende keer weer het eens zijn, heeft dat een lager gewicht omdat ze de vorige keer samen hebben gestemd 5. Ten slotte hebben we impact evaluatoren als harde wiskundige functies die enige emissies vrijgeven versus meer zachte & irrationele krachten zoals marktprijzen van die valuta, die tegen elkaar moeten worden afgewogen.
Devansh Mehta
Devansh Mehta29 jul 2025
Wat een geweldige eerste presentatie op het onderzoeksretreat door een van de deelnemers over controle theorie. Hij leidde een kwantitatief bedrijf vol wiskundigen, dus hij moest de bonusstructuur precies bepalen op basis van de winst die door de traders werd gemaakt. Het was zeer technisch, dus veel ervan ging boven mijn hoofd, maar enkele belangrijke punten begreep ik; 1. We zouden wereldwijde problemen (zoals hoeveel deze persoon heeft bijgedragen aan het bedrijf) moeten omzetten in lokale problemen (wie verantwoordelijk was voor deze $100 transactie en hoeveel). 2. We scheiden de schatting of het bepalen van gewichten van controle of het bepalen van uitbetalingen op basis van verkregen parameters. 3. Voor controlevragen veranderen we van een grafiekstructuur naar een matrix, waardoor het hele distributieprobleem beter hanteerbaar wordt. Veel van wat we bespraken was zeer relevant voor diepe financiering. Mijn 2 belangrijkste conclusies waren: - Als delen van de matrix niet zijn ingevuld, kunnen we dan gedistilleerde menselijke oordelen gebruiken om hun antwoorden nog steeds te schatten? - Als diepe financiering minder een boomstructuur is en meer een gerichte acyclische grafiek, kunnen aanbevelingsalgoritmen dan worden toegepast om gewichten tussen repos te verkrijgen?
15,2K