في الأنظمة اللامركزية ، كيف يمكننا اختيار المشاركين بشكل عادل مع الاستمرار في تحسين الأداء؟ لطالما استخدم الاختيار العشوائي ، أو الفرز ، لضمان العدالة والتمثيل. ومع ذلك ، فإن العديد من الأنظمة اللامركزية اليوم ، من شبكات الاستدلال إلى أوراكل ، مصممة مع وضع نتائج قابلة للقياس في الاعتبار. عندما يكون الأداء هدفا أساسيا ، فقد لا تخدم العملية العشوائية البحتة احتياجات الشبكة. في الفرز القائم على الجدارة في الأنظمة اللامركزية ، يقدم فريق بحثي بقيادة رئيس @Apollo11_Allora الأبحاث في @AlloraLabsHQ طريقة جديدة تسمح بالاختيار بالتأثر بالأداء السابق ، دون استبعاد المشاركين الأقل نشاطا أو الجدد من النظر في المستقبل. تستخدم الآلية الأساسية مقياس جودة سلس بشكل كبير لتصنيف المشاركين. يتم اختيار المساهمين النشطين بناء على أدائهم الأخير ، بينما لا يزال يتم النظر في الترويج للمساهمين غير النشطين عن طريق تحديث مقاييس الجودة الخاصة بهم باستخدام وكيل قائم على النسبة المئوية مأخوذ من المجموعة النشطة. يحافظ هذا التصميم على النظام مرنا وشاملا، ولكنه يرفع باستمرار المشاركين ذوي الأداء العالي إلى المجموعة النشطة. من خلال سلسلة من التجارب العددية ، تظهر الدراسة أن هذه الطريقة تؤدي إلى تحسن واضح وذو دلالة إحصائية في جودة المجموعة النشطة مقارنة بالفرز العشوائي. يحدث التوازن الأمثل عندما يتم تحديث درجات المشاركين غير النشطين باستخدام النسبة المئوية 25 من درجات المشاركين النشطين (مما يعرض أدنى 25٪ من المشاركين النشطين لخطر أن يصبحوا غير نشطين) ، ولكن يظل النظام قابلا للضبط ليناسب تصميمات الشبكة المختلفة ومستويات اضطراب المشاركين. بالنسبة للأنظمة التي يجب أن تنسق الذكاء اللامركزي ، والتكيف مع الظروف المتغيرة ، وتدعم الإنصاف دون التضحية بالفعالية ، يقدم هذا العمل حلا عمليا وقائما على أساس جيد وقابل للتطبيق بشكل عام. اقرأ الدراسة كاملة: