En sistemas descentralizados, ¿cómo podemos seleccionar de manera justa a los participantes mientras optimizamos el rendimiento? La selección aleatoria, o sortición, se ha utilizado durante mucho tiempo para garantizar la equidad y la representación. Sin embargo, muchos sistemas descentralizados hoy en día, desde redes de inferencia hasta oráculos, están diseñados con resultados medibles en mente. Cuando el rendimiento es un objetivo central, un proceso puramente aleatorio puede no satisfacer las necesidades de la red. En "Sortición Basada en Mérito en Sistemas Descentralizados", un equipo de investigación liderado por el Jefe de Investigación de @AlloraLabsHQ, @Apollo11_Allora, introduce un nuevo método que permite que la selección se vea influenciada por el rendimiento previo, sin excluir a los participantes menos activos o más nuevos de futuras consideraciones. El mecanismo central utiliza una métrica de calidad suavizada exponencialmente para clasificar a los participantes. Los contribuyentes activos son seleccionados en función de su rendimiento reciente, mientras que los inactivos aún son considerados para promoción actualizando sus métricas de calidad con un proxy basado en percentiles extraído del conjunto activo. Este diseño mantiene el sistema flexible e inclusivo, pero eleva consistentemente a los participantes de mayor rendimiento al grupo activo. A través de una serie de experimentos numéricos, el estudio muestra que este método conduce a una mejora clara y estadísticamente significativa en la calidad del conjunto activo en comparación con la sortición aleatoria. El equilibrio óptimo ocurre cuando las puntuaciones de los participantes inactivos se actualizan utilizando el percentil 25 de las puntuaciones de los participantes activos (poniendo en riesgo al 25% inferior de los participantes activos de volverse inactivos), pero el sistema sigue siendo ajustable para adaptarse a diferentes diseños de red y niveles de rotación de participantes. Para los sistemas que deben coordinar inteligencia descentralizada, adaptarse a condiciones cambiantes y mantener la equidad sin sacrificar la efectividad, este trabajo ofrece una solución práctica, bien fundamentada y generalmente aplicable. Lee el estudio completo: