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。
V神发文探讨代币投票治理利弊，并提出替代解决方案:V神发文称，去中心化治理是必要的，但目前形式的代币投票治理存在许多公认和未公认的危险，因此扩大或超越代币投票是解决方案的关键部分。关于代币投票，V神称主要担心两种类型的问题：1.不平等和激励失调（即使在没有攻击者的情况下）；2.通过各种形式的（通常是模糊的）买票形成直接攻击。第一种问题具体包括：
- 小群体的富有参与者（鲸鱼）比大群体的小型持有者更善于成功地执行决策；
- 代币投票治理以牺牲社区的其他部分为代价，赋予持有者和权力和利益；
- 利益冲突问题。
V神就此给出以下解决方案：
解决方案1：有限治理
- 仅对应用程序使用链上治理，而不是基础层；
- 将治理限制为固定的参数选择；
- 添加时间延迟；
- 对于分叉更加友好。
解决方案2：非代币驱动的治理
- 人格证明系统：该系统可验证帐户对应于唯一个人，因此治理可以分配给每人一票。可以还可查看正在开发的一些技术，ProofOfHumanity和BrightID是实现这一功能的两种尝试。
- 参与证明系统：该系统可证明帐户对应于参与过某事件、通过了某些教育培训或在生态系统中执行过一些有用工作的人。
解决方案3：风险共担
通过改变投票规则来打破公地悲剧。代币投票失败的原因是，虽然选民需要对他们的决定承担集体责任，但每个选民并不需要单独承担责任。所以V神提议创造一种投票系统来改变这种动态，让选民们独立而不是集体地为他们的决定负责。
其他方案：各种混合形式的futarchy治理、时间延迟加上选举专家治理、松耦合（咨询）代币投票等。
V神总结道，目前的代币投票形式是“safe defaults”，在更大的经济压力、更成熟的生态系统和金融市场条件下，它们的功能仍有很多有待观察的地方，现在是开始同时试验替代方案的时候了。[2021/8/16 22:17:20]
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。
掌柜调查署 | 探讨HBTC平台十倍PE定价回购模型与平台币的新玩法:4月29日17:00，金色财经邀请到HBTC霍比特交易所创始人巨建华做客「掌柜调查署」，本期调查署将针对HBTC平创的十倍PE定价回购模型，与巨建华共同探讨平台币的新玩法。详情见原文链接。[2020/4/29]
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。
动态 | 湖南专员办积极开展区块链在金融监管中应用的学习和探讨:中国财政部驻湖南省财政监察专员办事处刊发《湖南专员办积极开展区块链在金融监管中应用的学习和探讨》。文中称区块链技术，被认为是互联网出现以来最重大的发明，最前卫的创新技术之一。金融创新使得金融发展新方式不断涌现，单纯依靠以往的监管方式如定期送报表、进行现场检查，难以适应现状。区块链等新技术的应用，有望对金融创新进行有效监管，实现主动式监管、混业式监管、穿透式监管。对此，湖南专员办不断跟进学习和研究区块链作为监管新技术这一创新监管模式，跟进金融科技进步，为适应未来金融监管创新做好知识储备，打好能力基础。[2018/12/21]
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。
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。
动态 | 港交所发布报告探讨区块链 强调监管一致性原则:香港交易所首席中国经济学家办公室和创新实验室发布研究报告《金融科技的运用和监管框架》，探讨了区块链和人工智能等金融科技如何影响全球交易所市场。研究报告摘要中称，在金融科技发展的新时代，全球各大交易所均在积极探索如何应用金融科技提升系统和服务。但从现有的技术发展成熟度来看，大部分的金融科技主要运用於银行业、互联网金融和数字货币方面，较少涉及到在证券行业的运用，能够结合具体的证券业务模式给出落地方案的则较少。一般认为，区块链技术和智能投顾等人工智能技术，相信在交易所层面的运用可能性最高。报告也探讨了基於监管一致性原则。监管一致性原则是指只要从事相同性质的金融业务，就接受同样的监管。无论是在虚拟的还是真实的环境下提供的金融服务，都基於同一法律框架管理，确保公平竞争并防止监管套利。需要依据一致性监管要求，将智能投顾，以及数字货币和数字基金的发行纳入现有证券监管框架。同时，监管框架也应根据形势发展，不断创新以应对金融科技中可能出现的监管漏洞。[2018/10/19]
什么是贡献？
动态 | 第11届首尔版权论坛将探讨区块链等新技术对版权的影响:据韩联社消息，第11届首尔版权论坛将于10月18日在首尔JW万豪酒店举行，本次论坛将探讨区块链等新技术对国际版权的影响等内容。[2018/10/17]
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
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。