Em sistemas descentralizados, como podemos selecionar participantes de forma justa enquanto ainda otimizamos o desempenho? A seleção aleatória, ou sortição, tem sido usada há muito tempo para garantir justiça e representação. No entanto, muitos sistemas descentralizados hoje, desde redes de inferência até oráculos, são projetados com resultados mensuráveis em mente. Quando o desempenho é um objetivo central, um processo puramente aleatório pode não atender às necessidades da rede. No estudo "Sortição Baseada em Mérito em Sistemas Descentralizados", uma equipe de pesquisa liderada pelo Chefe de Pesquisa da @AlloraLabsHQ, @Apollo11_Allora, introduz um novo método que permite que a seleção seja influenciada pelo desempenho anterior, sem excluir participantes menos ativos ou mais novos de considerações futuras. O mecanismo central utiliza uma métrica de qualidade suavizada exponencialmente para classificar os participantes. Contribuidores ativos são selecionados com base em seu desempenho recente, enquanto os inativos ainda são considerados para promoção ao atualizar suas métricas de qualidade com um proxy baseado em percentis extraído do conjunto ativo. Este design mantém o sistema flexível e inclusivo, mas eleva consistentemente os participantes de maior desempenho para o grupo ativo. Através de uma série de experimentos numéricos, o estudo mostra que este método leva a uma melhoria clara e estatisticamente significativa na qualidade do conjunto ativo em comparação com a sortição aleatória. O equilíbrio ideal ocorre quando as pontuações dos participantes inativos são atualizadas usando o 25º percentil das pontuações dos participantes ativos (colocando os 25% inferiores dos participantes ativos em risco de se tornarem inativos), mas o sistema permanece ajustável para se adequar a diferentes designs de rede e níveis de rotatividade de participantes. Para sistemas que devem coordenar inteligência descentralizada, adaptar-se a condições em mudança e manter a justiça sem sacrificar a eficácia, este trabalho oferece uma solução prática, bem fundamentada e geralmente aplicável. Leia o estudo completo:

3 milhões de utilizadores do Discord podem agora obter previsões de preços do Bitcoin diretamente no chat com o agente @Ammo_AI's @Super_Intern_. Ao integrar o feed de preços preditivos de BTC da Allora, o Super Intern acede a uma camada de inteligência que fornece previsões em tempo real para mais de 100 comunidades do Discord.

1/ A convergência entre AI e Crypto já foi tentada antes e, à medida que amadurecemos, veremos cada vez mais casos de uso que são práticos e fazem sentido. Nesse sentido, acho que @nick_emmons e a equipe do @AlloraNetwork estão realmente em algo promissor. Aproveitem esses curtas; episódio em breve 🧵