Gm Creators Pwede ba ng @zerufinance gawing mas patas ang airdrops? Isang malaking problema sa crypto airdrops ay ang mga bot at fake wallet na maaaring kunin ang mga reward na para sa totoong users. Dito napupunta ang zScore ng Zeru. Gamit ang pag-uugali ng wallet, nakakatulong ito sa mga proyekto na maunawaan kung aling mga participant ang tila totoo at aling mga ito ay maaaring maging suspicious. Ngunit gaano kahusay ito gumagana? 1. TOTOONG RESULTA MULA SA GAIB Ayon sa Zeru, ang paghahambing ng GAIB’s V1 at V2 ay nagpakita ng mga sumusunod na pagbabago: → 56% mas kaunting allocation ang dumating sa mga wallet na idinetekta bilang sybils. → Nagtaas ng 49% ang pakikilahok mula sa mas mataas na kalidad na wallet. → Bumaba ng 50% ang presyur sa pagbebenta pagkatapos ng distribusyon. → Bumaba ang allocation sa mga wallet na mababang kalidad mula sa 21% patungo sa 13.5%. → Tumaas ang allocation sa mga wallet na mataas na kalidad mula sa 41.7% patungo sa 54.7%. → Tumaas ang average na panahon ng paghawak mula sa 9.8 patungo sa 12.6 na araw. Ang mga numero na ito ay nagmumungkahi na ang behavioral scoring ay maaaring makatulong sa pagpapabuti ng airdrop distribution. Gayunpaman, kailangan pa ng karagdagang detalye upang matiyak kung gaano karaming pagbabago ang direktang dulot ng zScore. 2. PAGSUSULIT KONTRA SA MGA NAKARAANG AIRDROPS Sinubukan din ng Zeru ang kanilang scoring system gamit ang historical data mula sa EigenLayer, https://t.co/Lc9E4SVXqm, Optimism, at Elixir. Ang ideya ay simpleng: Ano ang mangyayari kung gamitin ang zScore upang filtarin ang mga wallet sa mga airdrop na ito? Ang mga simulation na ito ay tumutulong na makabuo ng estimasyon tungkol sa potensyal na benepisyo, ngunit hindi ito totoong resulta mula sa mga nakaraang distribusyon. Ito ay nagpapakita kung ano ang maaaring mangyari, hindi kung ano ang tiyak na mangyayari. 3. ANG PINAKAMALAKING HAMON Ang pag-alis ng mga bot ay tila maganda, pero ano ang mangyayari kung isang totoong user ay maliit na idinetekta? Dapat sagutin ng isang magandang scoring system ang mahahalagang tanong: → Paano ito idinetekta ang suspicious wallets? → Ilang totoong user ang maaaring mawalan ng kanilang reward nang hindi pantay? → Maaari bang i-verify ng iba pang researcher ang mga resulta? → Nakikilala ba nito ang suspicious behavior nang hindi awtomatikong binabawasan lahat ng kasali? Ang ZAPs framework ng Zeru ay tumitingin din kung paano dapat i-atribute ang mga reward at paano matutukoy ang abusive behavior. Ito ay may kaugnayan sa paggawa ng mas patas na reward systems, ngunit kailangan itong ma-evaluate nang hiwalay mula sa airdrop filtering ng zScore. MY TAKE Working na ang Zeru sa isang totoong problema sa Web3. Dapat bigyan ng reward ang totoong pakikilahok, hindi lamang ang mga taong gumagawa ng hundreds ng wallet para makakuha ng higit pang tokens. Ang mga nareport na resulta mula sa GAIB ay nagtataglay ng pag-asa, at ang historical simulations ay nagtataglay ng isa pang paraan upang subukan ang ideya. Ngunit ang totoong pagsubok ay kung makakabawas ba ang sistema sa pang-aabuso nang hindi eksklusibo sa mga legitimate user. Mahalaga ang paghuli ng mga bot, pero mahalaga rin ang pagprotekta sa mga totoong user.