与SBT提供的单一定性数据点相比,声誉的定量模型可能更有意义。本文主要探讨在DAO网络中,如何量化贡献者声誉。在下一篇文章中,我们将探讨该量化模型框架对DAO治理的潜在影响。
几个前提假设
一个人在组织中的权力等于他的声誉;
声誉等于贡献;
贡献可以列举、衡量和量化;
对DAO贡献的整体量化可以实现完全透明、无需信任和公平的治理系统。
声誉是多维的
声誉是由多种因素构成的。我们选择观察哪些因素以及我们选择如何衡量它们会对我们做出的关于一个人的决定产生巨大影响;需要警惕涉及道德和伦理考虑的主观测量。诸如同行奖励圈之类的主观测量可以捕获未完全列举的贡献,同时还可以通过新的努力来激励新兴增长。但是,我将尽我所能在本文中坚持客观测量,并从逻辑第一原理思考问题。
如果组织中的新员工已经享有盛誉;然后,这是因为他们在其他地方做出的贡献——无论是在个人生活还是职业生活中。这些贡献赋予了他们可转让的声誉。
元宇宙算法稳定币项目TeaDAO完成460万美元种子轮融资:金色财经消息,元宇宙算法稳定币项目TeaDAO宣布完成460万美元种子轮融资,投资方包括ShimaCapital、Signum Capital、UOB Venture Management、PNYX、HyperChain、MXC、Spark Digital、Mapleblock、Momentum 6、DFG、JSquare、AU21 Capital、X21、Fomocraft、LD Capital、Basics Capital、Parsiq、Newave Capital、CoinW Venture、NFV Venture、7 O'Clock Capital、ZBS Capital、AVStar、HG Ventures、Satoshi 和 Token Hunter 等。
TeaDAO 旨在构建一个结合 DeFi 2.0、GameFi 和元宇宙的生态系统,计划于 2022 年推出主网,最初会在 BNB Chain 和以太坊上运行,之后会扩展到其他链。TeaDAO 将使用 NFT-as-Bonding-Assets 机制,遵循 OlympusDAO 代币经济学,核心应用是 Staking、Bonds 和 DAO。(Medium)[2022/3/24 14:16:14]
在web3世界中,匿名、隐私、抗审查、去信任和无许可系统正确地占据了至高无上的地位,在评估新组织或个人时,我们通常只能依赖声誉。因此,在确定某人在组织中拥有多少权力时,声誉非常重要。好在我们可以在链上跟踪行动,从而跟踪贡献。
DAO治理工具快照完成400万美元融资:11月21日消息,DAO治理工具快照开发团队完成400万美元种子轮融资,由1kx领投,Coinbase Ventures、StarkWare、MetaCartel 、Gnosis、Scalar、The LAO、BoostVC、Eyes DAO 和 Long Hash Ventures 等参投。该项目的运营主要依赖于 Gitcoin、ENS、Curve、Balancer、MetaCartel 的捐赠。帮我解决了非常让的快照变成了社区所拥有的,所以可能会有代币,但不是优先,现在专注于的问题。(CoinDesk)[2021/11/21 7:02:08]
DAO贡献者可以通过参与聊天、论坛、投票、撰写提案、投票、参加会议、完成赏金和无数其他方式来建立声誉。这些行为可以通过各种方式量化,并使用代币进行奖励。不可转让的NFT,即“灵魂绑定”代币(SBT),在过去一年中已成为在链上发布信誉凭证的黄金标准。然而,这种方法不足以充分代表人类声誉的复杂性,尤其是在数字环境中。
一些创建人类声誉数字表示的方法确实包含了一组不同的输入数据源。声誉模型可以基于从链上和链下的各种数据源中提取的贡献,然后聚合或比较以计算给定指标和证书资格。这方面的几个例子是GitcoinPassport和OrangeProtocol的信誉NFT。
MakerDAO创始人提议推出全新代币经济系统Sagittarius Engine:10月5日消息,MakerDAO创始人Rune Christensen在社区提议使DAI成为环境友好的货币(Clean Money)时,还提议推出名为Sagittarius Engine (人马座引擎)的全新代币经济系统,以释放DeFi的超能力。他认为DAI需要被可持续的资产或具有气候适应性的资产支持(抵押),以防止气候进一步恶劣,并抵御已经产生的经济损失。所以Rune Christensen表示,为了释放这一愿景的潜力,Maker需要涉足收益耕种(流动性挖矿)并彻底改造MKR的代币经济学,提议推出名为Sagittarius Engine (人马座引擎)的代币经济学系统,该系统的核心价值主张是为那些长期锁定MKR的持有者带来切实的好处。[2021/10/5 17:25:00]
使用模型可以让决策者微调他们对输入的选择。一方面是完全缺乏身份验证,另一方面是对所有列举变量的综合评估。与SBT提供的单一定性数据点相比,声誉的定量模型可能更有意义。
安全研究人员质疑DAO Maker官方回应被攻击声明,称审计内容针对不相关合约:9月4日消息,安全研究人员Mudit Gupta质疑DAO Maker官方回应被攻击的内容,Mudit Gupta表示,Dao Maker声称他们接受了3家公司的审计,但其查看审计发现,2个审计似乎是针对不相关的合约,第三个来自CertiK的审计指向死链接。Mudit Gupta希望得到DAO Maker和CertiK的澄清。
此前消息,DAO Maker官方表示,其申领门户网站由三家公司审计。将停止所有涉及客户和客户资产托管的智能合约操作。将使用类似于Polkastarter和大多数其他launchpad的方式。将只提供代币发行,而不提供任何形式的质押、门户或桥。此外,DAO Maker正在市场上获取代币,以确保SHO参与者在未来发布中获得代币,以及支持今天受影响的项目。受影响项目的代币价格大多已恢复到黑客攻击前的水平。[2021/9/4 23:00:23]
为什么组织使用KPI
KPI是衡量实现目标的绩效的一种手段。改进KPI不应成为任何计划的主要目标。这就像一条狗追逐它的尾巴。优化KPI并不能解决原始问题,并导致在不相关的数据集上“训练模型”。人类天生就有偏见和主观。人类不仅对他人撒谎,而且对自己撒谎,这种撒谎且往往是无意的。控制方法是使用客观的数据和分析。
HECO链去中心化稳定币HaykerDAO 24小时清算量176万美金:因行情波动剧烈,HECO链去中心化稳定币HaykerDAO发生大量清仓,据官方数据显示,HaykerDAO 24小时清算量超11万HT,价值170万美金。[2021/5/25 22:41:33]
什么是贡献?
具有无限设计空间的工作证明。
贡献包括:
一个动作/行为
结果
文件
四种贡献类型
治理:提案、投票、运营、审核
金融:投资、赠款、收购
努力:基于绩效和可交付成果的活动、在会议上花费的时间以及跟踪的项目工作
社交:聊天和论坛构思、反馈、会议、促销
贡献分数
通过跟踪和量化各种方式的贡献,有可能创建一个算法和整体系统,该系统对欺诈行为有很强的抵御能力,而且与较少的投入相比更具代表性、公平性和包容性。
需要建立不同级别的认证和获取规则,以区分个人贡献者和社区。每个人的行动都需要被列举出来。这似乎是一项艰巨的任务,直到我们对这个过程施加一些结构。
可以使用转换函数对个人贡献进行归一化,然后进行时间过滤以调整其相对权重。然后可以根据元函数聚合任何特定贡献的权重,该元函数根据每个社区特定的分布缩放贡献类型的类别。最终结果是生成一个单一的汇总值,我们将其描述为“贡献分数”。
转换函数:数据转换
线性:x=n
“图形为直线的函数,即次数为零或一的多项式函数。”
二次方:?x=2^n
“具有一个或多个变量的多项式函数,其中最高阶项为二阶。”
对数:x=log2(n);
求幂的反函数。”\”另一个固定数字必须提高到的指数”
时间过滤器
可以调整每个输入以关注相关时间范围或加权时间范围,以确定发送到转换函数的计数中包含哪些贡献。本节和概念最初受到SourceCredgrain分布中使用的模型的启发。
SourceCred对于项目如何为贡献分配奖励有三种政策——最近的、即时的和平衡的。此处介绍的模型将其扩展到包括信念——一种在给定时间段内增加输入权重的策略。
时间过滤器的概念可以应用于计算任何给定快照的贡献分数。
1.即时
“这将根据每个参与者在上周的贡献平均分配奖励。。”
2.平衡
“这会根据终生贡献和终生奖励收入来分配奖励。平衡的时间过滤器试图确保项目中的每个人都收到与他们在整个参与期间的总贡献一致的总奖励支付。
例如,假设一个贡献者过去贡献的数量很少,因此获得的奖励也很少。但是,社区最近改变了权重,或者添加了一个新的插件,使得贡献者现在有更多的贡献记录。
平衡政策认为这个贡献者的报酬过低,所以它会支付额外的钱来“赶上”项目中的其他人。相反,贡献者可能会‘多付’,他们会得到更少的回报,直到支出被平衡。”
3.最近
“这会根据最近的贡献分配奖励,使用指数衰减来优先考虑最近的信誉。“recentWeeklyDecayRate参数决定了你想在多大程度上关注最近的贡献。如果recentWeeklyDecayRate设置为0.5,如上例,该策略将计算上周产生的贡献的100%,前一周产生的贡献的50%,本周产生的贡献的25%在那之前,前一周的12.5%,依此类推。”
4.信念
有第四种可能的模式作为治理的修饰符而流行,可用作时间贡献过滤器。信念投票结合了随着时间的推移不断增加决策承诺的概念。可以扩展相同的概念,以根据随时间而不是固定时间段连续衰减的权重来计算贡献分数。
输出
因变量是通过适当的时间过滤转换函数传递输入变量而产生的。表1说明了输入(X)的示例列表,并将每个输入与假设方法配对以计算输出值(Y)。
图1:具有丰富输入集的说明性模型组件
元函数
元函数在这里被定义为由集合函数组成的复合函数。集合函数的一个属性是相对于一组输入函数减少计算的维度输出。元函数可用于计算标准化的贡献分数,该分数合理地近似于社区中基于声誉的参与。从一组输出值(Y)计算标准化贡献分数需要三个步骤,这些输出值表示每个单独贡献的输入源的缩放和标准化量化。
确定每种贡献类型的权重。
治理:XX%
财务:XX%
努力:XX%
社交:XX%
注意:如果贡献被分配给多种类型,则它们必须单独计算。
确定用于组合贡献类型的转换函数。
(a)+(b)+(c)+(d)=总重量
注意:对所有元函数使用线性转换并避免多余的数据转换可能更简单。通过使用适当的转换函数转换每个单独的输入,可以获得更精细的控制。
通过取总权重的平均值来归一化最终的贡献分数。
总权重/#贡献类型=归一化贡献分数
写在最后:
在下文中,我们将探讨如何将贡献评分模型应用于DAO治理、注意事项和限制以及潜在影响。
原文作者:TalentDAO@xrex
原文标题:QuantifyingReputationinDAOs?
来源:星球日报
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。