Dans les systèmes décentralisés, comment pouvons-nous sélectionner équitablement les participants tout en optimisant les performances ? La sélection aléatoire, ou sortition, a longtemps été utilisée pour garantir l'équité et la représentation. Cependant, de nombreux systèmes décentralisés aujourd'hui, des réseaux d'inférence aux oracles, sont conçus avec des résultats mesurables à l'esprit. Lorsque la performance est un objectif central, un processus purement aléatoire peut ne pas répondre aux besoins du réseau. Dans le cadre de la Sortition Basée sur le Mérite dans les Systèmes Décentralisés, une équipe de recherche dirigée par le Responsable de la Recherche de @AlloraLabsHQ, @Apollo11_Allora, introduit une nouvelle méthode qui permet à la sélection d'être influencée par la performance antérieure, sans exclure les participants moins actifs ou plus récents de futures considérations. Le mécanisme central utilise une métrique de qualité lissée exponentiellement pour classer les participants. Les contributeurs actifs sont sélectionnés en fonction de leur performance récente, tandis que les inactifs sont toujours considérés pour une promotion en mettant à jour leurs métriques de qualité avec un proxy basé sur le percentile tiré de l'ensemble actif. Ce design maintient le système flexible et inclusif, tout en élevant constamment les participants les plus performants dans le pool actif. À travers une série d'expériences numériques, l'étude montre que cette méthode conduit à une amélioration claire et statistiquement significative de la qualité de l'ensemble actif par rapport à la sortition aléatoire. L'équilibre optimal se produit lorsque les scores des participants inactifs sont mis à jour en utilisant le 25ème percentile des scores des participants actifs (mettant en risque les 25% les plus bas des participants actifs de devenir inactifs), mais le système reste ajustable pour s'adapter à différents designs de réseau et niveaux de rotation des participants. Pour les systèmes qui doivent coordonner une intelligence décentralisée, s'adapter à des conditions changeantes et maintenir l'équité sans sacrifier l'efficacité, ce travail offre une solution pratique, bien fondée et généralement applicable. Lisez l'étude complète :