Gm Creator Bisakah @zerufinance Membuat Airdrop Lebih Adil? Salah satu masalah besar dalam airdrop kripto adalah bot dan dompet palsu dapat mengambil hadiah yang seharusnya diberikan kepada pengguna nyata. Di sinilah zScore dari Zeru berperan. Sistem ini menggunakan perilaku dompet untuk membantu proyek memahami peserta mana yang tampak asli dan mana yang mencurigakan. Tetapi seberapa baik kinerjanya? 1. HASIL NYATA DARI GAIB Menurut Zeru, perbandingan antara GAIB V1 dan V2 menunjukkan perubahan berikut: → 56% lebih sedikit alokasi yang diberikan ke dompet yang diidentifikasi sebagai sybil. → Partisipasi dari dompet berkualitas tinggi meningkat sebesar 49%. → Tekanan penjualan setelah distribusi turun sebesar 50%. → Alokasi dompet berkualitas rendah turun dari 21% menjadi 13,5%. → Alokasi dompet berkualitas tinggi meningkat dari 41,7% menjadi 54,7%. → Waktu rata-rata memegang meningkat dari 9,8 menjadi 12,6 hari. Angka-angka ini menunjukkan bahwa scoring berbasis perilaku dapat membantu meningkatkan distribusi airdrop. Namun, diperlukan lebih banyak detail untuk memastikan seberapa besar peningkatan tersebut berasal langsung dari zScore. 2. PENGUJIAN TERHADAP AIRDROP LALU Zeru juga menguji sistem scoring-nya menggunakan data historis dari EigenLayer, https://t.co/Lc9E4SVXqm, Optimism, dan Elixir. Idenya sederhana. Apa yang akan terjadi jika zScore digunakan untuk menyaring dompet selama airdrop tersebut? Simulasi ini membantu memperkirakan manfaat potensial, tetapi bukan hasil nyata dari distribusi masa lalu tersebut. Mereka menunjukkan apa yang mungkin terjadi, bukan apa yang pasti akan terjadi. 3. TANTANGAN TERBESAR Menghilangkan bot terdengar bagus, tetapi apa yang terjadi jika pengguna nyata salah diidentifikasi? Sistem scoring yang baik harus menjawab pertanyaan penting: → Bagaimana ia mengidentifikasi dompet mencurigakan? → Berapa banyak pengguna nyata yang bisa kehilangan hadiah mereka secara tidak adil? → Bisakah peneliti lain memverifikasi hasilnya? → Apakah ia mengidentifikasi perilaku mencurigakan tanpa secara otomatis memblokir semua yang terlibat? Framework ZAPs Zeru juga mempertimbangkan bagaimana hadiah seharusnya dialokasikan dan bagaimana perilaku penyalahgunaan dapat diidentifikasi. Ini terkait dengan membuat sistem hadiah lebih adil, tetapi perlu dievaluasi secara terpisah dari penyaringan airdrop zScore. PANDANGAN SAYA Zeru sedang menangani masalah nyata di Web3. Airdrop seharusnya memberi reward atas partisipasi asli, bukan hanya orang-orang yang membuat ratusan dompet untuk mengklaim lebih banyak token. Hasil GAIB yang dilaporkan menjanjikan, dan simulasi historis menawarkan cara lain untuk menguji ide ini. Namun, ujian sebenarnya adalah apakah sistem ini dapat mengurangi penyalahgunaan tanpa mengecualikan pengguna sah. Menangkap bot penting, tetapi melindungi pengguna nyata sama pentingnya.
