В децентрализованных системах, как можно справедливо выбирать участников, при этом оптимизируя производительность? Случайный отбор, или сортирование, давно используется для обеспечения справедливости и представительства. Однако многие децентрализованные системы сегодня, от сетей вывода до оракулов, разрабатываются с учетом измеримых результатов. Когда производительность является основной целью, чисто случайный процесс может не удовлетворять потребностям сети. В исследовании "Сортирование на основе заслуг в децентрализованных системах", команда исследователей под руководством @AlloraLabsHQ, Глава исследований @Apollo11_Allora, представляет новый метод, который позволяет выбор участников на основе их предыдущей производительности, не исключая менее активных или новых участников из будущего рассмотрения. Основной механизм использует экспоненциально сглаженную метрику качества для ранжирования участников. Активные участники выбираются на основе их недавней производительности, в то время как неактивные все еще рассматриваются для повышения, обновляя свои метрики качества с помощью прокси на основе процентилей, взятого из активного набора. Этот дизайн сохраняет систему гибкой и инклюзивной, но при этом последовательно поднимает участников с более высокой производительностью в активный пул. С помощью серии численных экспериментов исследование показывает, что этот метод приводит к четкому и статистически значимому улучшению качества активного набора по сравнению со случайным сортированием. Оптимальный баланс достигается, когда баллы неактивных участников обновляются с использованием 25-го процентиля баллов активных участников (что ставит под угрозу нижние 25% активных участников стать неактивными), но система остается настраиваемой для различных дизайнов сети и уровней текучести участников. Для систем, которые должны координировать децентрализованный интеллект, адаптироваться к изменяющимся условиям и поддерживать справедливость, не жертвуя эффективностью, эта работа предлагает практическое, обоснованное и в целом применимое решение. Читать полное исследование: