DAOrayaki: SBT보다 더 가치 있는 DAO 평판 정량화 모델
원작자: TalentDAO@xrex
원제: DAO의 평판 정량화
평판의 정량적 모델은 SBT에서 제공하는 단일 정성적 데이터 포인트보다 더 의미가 있을 수 있습니다. 이 기사는 주로 DAO 네트워크에서 기여자의 평판을 정량화하는 방법에 대해 설명합니다. 다음 게시물에서는 이 정량적 모델링 프레임워크가 DAO 거버넌스에 미치는 잠재적 영향을 살펴보겠습니다.
몇 가지 가정
조직에서 개인의 권력은 그의 평판과 같습니다.
평판은 기여와 같습니다.
기여도를 열거, 측정 및 정량화할 수 있습니다.
DAO에 대한 기여의 전반적인 정량화는 완전히 투명하고 신뢰할 수 없으며 공정한 거버넌스 시스템을 가능하게 합니다.
명성은 다차원적이다
평판은 많은 요소로 구성됩니다. 우리가 관찰하기로 선택한 요인과 이를 측정하기 위해 선택하는 방법은 사람에 대한 결정에 큰 영향을 미칠 수 있습니다. 동료 보상 서클(예: Coordinape)과 같은 주관적인 측정은 완전히 열거되지 않은 기여를 캡처하는 동시에 새로운 노력을 통해 새로운 성장을 장려할 수 있습니다. 그러나 나는 이 글에서 최선을 다해 객관적인 척도를 고수하고 논리적인 제1원칙에서 생각하도록 하겠다.
조직의 신입 직원이 이미 명성을 갖고 있다면 그것은 개인 생활이든 직장 생활이든 다른 곳에서 기여했기 때문입니다. 이러한 기여는 그들에게 이전 가능한 평판을 제공합니다.
익명성, 프라이버시, 검열 방지, 무신뢰, 무허가 시스템이 정당하게 지배하는 웹3 세계에서 우리는 종종 새로운 조직이나 개인을 평가할 때 평판에만 의존할 수 있습니다. 따라서 평판은 누군가가 조직에서 얼마나 많은 권한을 가지고 있는지를 결정하는 데 매우 중요합니다. 좋은 점은 우리가 행동을 추적할 수 있고 따라서 온체인 기여도를 추적할 수 있다는 것입니다.
DAO 기여자는 채팅, 포럼, 투표, 제안서 작성, 투표, 회의 참석, 바운티 완료 및 기타 수많은 방법에 참여하여 명성을 쌓을 수 있습니다. 이러한 행동은 다양한 방법으로 정량화할 수 있으며 토큰으로 보상받을 수 있습니다. 양도할 수 없는 NFT 또는 "영혼에 묶인" 토큰(SBT)은 지난 1년 동안 온체인에서 평판 자격 증명을 발급하는 표준이 되었습니다. 그러나 이러한 접근 방식은 특히 디지털 환경에서 인간 평판의 복잡성을 적절하게 표현하기에는 불충분합니다.
인간의 평판을 수치로 표현하는 일부 방법에는 다른 입력 데이터 소스 집합이 포함됩니다. 평판 모델은 온체인 및 오프체인의 다양한 데이터 소스에서 가져온 기여도를 기반으로 할 수 있으며, 집계하거나 비교하여 주어진 메트릭 및 인증서 자격("배지 오브 메리트")을 계산할 수 있습니다. 이에 대한 몇 가지 예는 Gitcoin Passport 및 Orange Protocol의 평판 NFT입니다.
모델을 사용하면 의사 결정자가 입력 항목을 미세 조정할 수 있습니다. 한편으로는 인증이 완전히 부족하고 다른 한편으로는 열거된 모든 변수에 대한 포괄적인 평가가 있습니다. 평판의 정량적 모델은 SBT에서 제공하는 단일 정성적 데이터 포인트보다 더 의미가 있을 수 있습니다.
조직에서 KPI를 사용하는 이유
KPI는 목표에 대한 성과를 측정하는 수단입니다. KPI 개선이 이니셔티브의 주요 목표가 되어서는 안 됩니다. 마치 개가 꼬리를 쫓는 것과 같습니다. KPI에 대한 최적화는 원래 문제를 해결하지 않으며 관련 없는 데이터 세트에서 "모델 학습"으로 이어집니다. 인간은 본질적으로 편향되고 주관적입니다. 인간은 다른 사람에게만 거짓말을 하는 것이 아니라 자기 자신에게도 종종 본의 아니게 거짓말을 합니다. 제어 방법은 객관적인 데이터 및 분석을 사용하는 것입니다.
기여란 무엇입니까?
디자인 공간이 무제한인 작업 증명.
기여에는 다음이 포함됩니다.
행동/행동(직업)
결과(값)
문서(작업 증명)
네 가지 기여 유형
거버넌스: 제안, 투표, 운영, 검토
금융: 투자, 보조금, 인수
노력: 성과 및 산출물, 회의에 소요된 시간, 추적된 프로젝트 작업을 기반으로 한 활동
소셜: 채팅 및 포럼 아이디어, 피드백, 회의, 프로모션
기여 점수
기여도를 다양한 방법으로 추적하고 정량화함으로써 사기에 강하고 더 적은 입력으로 더 대표적이고 공정하며 포용적인 알고리즘 및 전체 시스템을 만들 수 있습니다.
개별 기여자와 커뮤니티를 구별하기 위해 다양한 수준의 인증(자격 증명) 및 획득 규칙을 설정해야 합니다. 모든 사람의 행동을 열거해야 합니다. 프로세스에 어떤 구조를 부여하기 전까지는 이것은 어려운 작업처럼 보입니다.
개별 기여도는 변환 함수를 사용하여 정규화한 다음 시간 필터링을 통해 상대적 가중치를 조정할 수 있습니다. 특정 기여의 가중치는 각 커뮤니티별 분포에 따라 기여 유형의 범주를 확장하는 메타 함수에 따라 집계될 수 있습니다(자세한 내용은 아래에 설명됨). 최종 결과는 "기여도 점수"라고 설명하는 단일 집계 값입니다.
변환 기능: 데이터 변환
선형: x = n
"그래프는 직선의 함수, 즉 차수가 0 또는 1인 다항식 함수입니다."
2차: x = 2^n
"최상위 항이 2차인 하나 이상의 변수의 다항식 함수."
대수: x = log2(n);
지수화의 역함수. "\"지수를 올려야 하는 또 다른 고정 숫자 [...]"
시간 필터
각 입력은 관련 시간 범위에 초점을 맞추도록 조정되거나 가중치를 부여하여 변환 함수로 전송된 카운트에 포함된 기여도를 결정할 수 있습니다. 이 섹션과 개념은 원래 SourceCred 그레인 분포에 사용된 모델에서 영감을 받았습니다.
SourceCred에는 프로젝트가 기여에 대한 보상("곡물")을 할당하는 방법에 대한 세 가지 정책(최근, 즉시 및 균형)이 있습니다. 여기에 제시된 모델은 이를 확장하여 주어진 기간 동안 입력의 가중치를 증가시키는 정책인 신념을 포함합니다.
임시 필터 개념을 적용하여 주어진 스냅샷에 대한 기여도 점수를 계산할 수 있습니다.
1. 인스턴트
"이것은 각 참가자의 지난 주 기여도를 기준으로 균등하게 보상을 분배합니다. (이 정책은 이전 주의 모든 기여도를 무시하고 적극적인 참가자에게 빠른 보상을 제공하기 위한 것입니다.)"
2. 균형
"이는 평생 기여도와 평생 보상 수입을 기준으로 보상을 분배합니다. 균형 잡힌 임시 필터는 프로젝트의 모든 사람이 참여 기간 동안 총 기여도와 일치하는 총 보상 지불금을 받도록 시도합니다.
예를 들어 기여자가 과거에 소액을 기부하여 작은 보상을 받았다고 가정합니다. 그러나 커뮤니티는 최근 가중치를 변경하거나 기여자가 기여에 대해 더 많은 기록을 갖도록 새 플러그인을 추가했습니다.
균형 정책은 이 기여자가 급여가 적다고 생각하므로 프로젝트의 다른 모든 사람을 "따라잡기" 위해 추가 비용을 지불합니다. 반대로 기여자는 '초과 지불'할 수 있으며 지불금이 균형을 이룰 때까지 더 적은 보상을 받게 됩니다. "
3. 최근
"최근 기여도를 기반으로 보상을 분배하고 최근 평판을 우선 순위로 지정하기 위해 기하급수적 감소를 사용합니다." latestWeeklyDecayRate가 0.5(즉, 50% 할인)로 설정되면 위의 예와 같이 전략은 지난 주에 생성된 기여도의 100%, 이전 주에 생성된 기여도의 50%, 이번 주에 생성된 기여도의 25%를 계산합니다. 주간 12.5% 등. "
4. 믿음
시간 기여 필터로 사용할 수 있는 거버넌스 수정자로 인기 있는 네 번째 가능한 모드가 있습니다. 신념 투표는 시간이 지남에 따라 결정에 대한 헌신을 높이는 개념을 통합합니다. 동일한 개념을 확장하여 고정된 기간이 아닌 시간이 지남에 따라 지속적으로 감소하는 가중치를 기반으로 기여도 점수를 계산할 수 있습니다.
산출
이미지 설명
그림 1: 풍부한 입력 세트가 있는 예시적인 모델 구성 요소
메타기능
여기에서 메타함수는 집계 함수로 구성된 복합 함수로 정의됩니다. 집계 함수의 속성은 감소 계산의 차원 출력이 입력 함수 집합에 비해 감소한다는 것입니다. 메타 함수를 사용하여 커뮤니티의 평판 기반 참여에 합리적으로 근접한 정규화된 기여 점수를 계산할 수 있습니다. 개별적으로 기여된 각 입력 소스의 스케일링되고 정규화된 정량화를 나타내는 일련의 출력 값(Y)에서 정규화된 기여도 점수를 계산하려면 세 단계가 필요합니다.
각 기여 유형의 가중치를 결정합니다.
거버넌스: XX%
금융: XX%
노력: XX%
소셜: XX%
참고: 기부금이 둘 이상의 유형에 할당된 경우 별도로 계산해야 합니다.
기여 유형을 결합하는 데 사용되는 변환 함수를 결정합니다.
(a) + (b) + (c) + (d) = 총 무게
참고: 모든 메타 함수에 대해 선형 변환을 사용하고 중복 데이터 변환을 피하는 것이 더 간단할 수 있습니다. 각각의 개별 입력을 적절한 변환 함수로 변환하여 더 세밀한 제어를 얻을 수 있습니다.
최종 기여 점수는 총 가중치의 평균을 취하여 정규화됩니다.
총 가중치 / # 기여도 유형 = 정규화된 기여도 점수
마지막에 작성하십시오.
다음에서는 기여 점수 모델이 DAO 거버넌스, 주의 사항 및 제한 사항, 잠재적 영향에 어떻게 적용될 수 있는지 살펴봅니다.
