贡献者：DAOctor /img/202352600512/0.jpg">
通过Avalanche Bridge跨链至Avalanche的比特币数量回升至3500枚左右:12月3日消息，据Snowtrace数据显示，通过Avalanche Bridge跨链至 Avalanche 的比特币数量回升至3505.3枚左右，此前该数据突破4000枚后或因WBTC脱锚影响锐减至2700枚左右。[2022/12/3 21:20:13]
研究发现 DAO 在创建和审议提案时面临的三个挑战。
由于DAO 由具有不同知识水平的参与者组成，因此：
许多成员无法准确评估复杂的提案
即使简单的提案，用户也无法判断某些动作的二阶和三阶效应
成员们缺乏动力去花时间熟悉提案以做出更明智的决策
进一步导致在评估期间缺乏参与，并且对提案的批评不太有效。
没有时间或专业知识研究提案，时间或知识储备不足的用户依赖于来自高地位成员的社交启发来判断提案是“好”还是“坏”。
能源区块链公共服务平台通过中国能源研究会技术鉴定:8月10日，由国网电商公司（国网金融科技集团）牵头申报的《面向构建新型电力系统的能源区块链公共服务平台关键技术与应用》项目顺利通过中国能源研究会召开的科技成果鉴定会，经院士专家鉴定，该项目成果整体达到国际先进水平，其中分布式身份认证、智能合约等核心技术达到国际领先水平。据介绍，该项目针对构建新型电力系统所面临的多元主体信任传导、用户隐私、数据安全等重大挑战，首次提出了基于区块链的源网荷储深层互动可信交易技术，研制了轻量级低成本可信接入认证模型，建立了基于区块链的市场驱动、分散自治运行机制，并在绿电溯源、绿电交易、共享储能等多个场景取得良好的应用示范效果，在服务我国“碳达峰、碳中和”目标进程中具有积极意义。（电网头条）[2021/8/12 1:50:41]
这导致 DAO 决策根据身份（高或低）而不是提案优点来评估和接受。
有意识和无意识的偏见是学术界公认的问题，并且已被广泛研究。例如，与双盲审稿人相比，非盲审稿人更有可能接受著名作者或顶级机构的论文。
Cover Protocol 攻击者或通过构造假代币换成真代币:Cover Protocol代币遭攻击或因攻击者通过构造假代币，在Balancer上通过多步操作换成真实的COVER代币。据链上数据显示，有用户认为该攻击者（0xf05Ca...943DF）构造出假代币之后，拿到去中心化交易协议Balancer中提供流动性换取LP代币BPT，然后又经过质押BPT等操作，换出了真COVER代币。该攻击者的地址创建于两天前，初始资金约200ETH，目前该地址资产超过1400ETH和100万美元其他代币。该地址在Etherscan上已被打上了CoverExploiter1（Cover剥削者1）的标签。[2020/12/28 15:54:25]
几十年来，学术界一直在与这种偏见作斗争，并已开始使用信息技术消除其审查系统中的偏见。
Crypto.com允许美国用户通过ACH提取美元:金色财经报道，支付及加密货币平台Crypto.com今天表示，已经为美国用户提供了通过ACH(自动清算所)提取美元法币的功能。[2020/4/23]
然而，由于工具不足，DAOs 并没有解决这个问题。我们认为，可以首先概述 DAO 中参与者的动态来解决偏见。换句话说，DAO 既有明显的偏见—“超级明星”故意劫持提案，也有隐性的偏见，即提案不是仅根据优点来判断的。
由于提案者的历史工作和可靠性，专家的提案更容易“信任”。
专家和非专家的意见和讨论质量存在差异
非专家缺乏时间或技能来正确阅读和理解提案。
TLDR：DAO 的专业知识具有内在优势，可用于帮助非专家
新闻自由基金会宣布接受通过加密货币进行的捐赠:据Coindesk消息，新闻自由基金会（FPF）周一宣布，改非营利性组织现在正式接受通过加密货币进行的捐赠。该机构执行董事特雷弗蒂姆说，此举是新闻自由基金会的“一种自然选择”，该组织的目标是支持记者报道政府的内部问题。FPF接受的五种加密货币分别是比特币、比特币现金、以太坊、莱特币和zcash。[2018/6/19]
无论专业水平如何，地位高的成员绝对值得信。
用户融合了地位、专业知识和信任。例如，节点操作员可能具有较高的地位，但专业知识和信任度较低。
地位高的人自私地行事并得到承认
地位低的人为 DAO 的利益行事，但会被忽略
TLDR：DAO中的地位有固有的缺点，会降低讨论的价值
然而匿名性缺乏突出的、个性化的或不寻常的特征。
匿名从话语中剥夺了地位和专业知识的信号。
每个人的审查都会增加（高地位、低地位、专家和非专家）
增加了治理疲劳，所有职位都受到平等审查。
增加了垃圾邮件的风险。
在线信誉系统在减少疲劳和垃圾邮件方面有着成功的历史。具体来说，Stack Overflow 已被证明在Crowd文档和讨论方面非常成功。一般来说，专家在 Stack Overflow 上的行为和有效性也得到了研究和记录。
当 Anonymity 和 Reputation 结合时，一个具有理想属性的 Robust 讨论系统就出现了。即：
随着时间的推移积累的专业知识数量：
只有专家才能发提案（减少疲劳）
较少的专家可以 TLDR，赞成/反对提案和话题（减少疲劳）
专家可以调节垃圾邮件（减少垃圾邮件）
专家可以示意性地直接讨论（提案）
专家可以获得更多的专业点数（增加参与激励）
没有技能的用户（非专家）现在可以依赖有贡献历史的专家，而不会被依赖纯粹身份的非专家所左右。
参考文献：
Reviewer bias in single- versus double-blind peer review
Andrew Tomkins, Min Zhang, and William D. Heavlin
Nobel and novice: Author prominence affects peer review
Jürgen Huber, Sabiou Inoua, Rudolf Kerschbamer and Vernon L. Smith
Understanding and supporting anonymity policies in peer review
Syavash Nobarany and Kellogg S. Booth
Crowd documentation: Exploring the coverage and the dynamics of API discussions on Stack Overflow
Georgia Technical Report
Towards Dynamic Interaction-Based Reputation Models
A. Melnikov, J. Lee, V. Rivera, M. Mazzara and L. Longo
The Importance of Reputation for the Evolution of Decentralization
Craig Calcaterra, Wulf A. Kaal
金色财经
金色早8点
澎湃新闻
Odaily星球日报
Arcane Labs
深潮TechFlow
欧科云链
链得得
MarsBit
BTCStudy
郑重声明： 本文版权归原作者所有， 转载文章仅为传播更多信息之目的， 如作者信息标记有误， 请第一时间联系我们修改或删除， 多谢。