Gm, створювачі Чи може @zerufinance зробити ейрдропи справедливішими? Одна з головних проблем криптовалютних ейрдропів — це те, що боти та фейкові гаманці можуть отримувати нагороди, призначені для реальних користувачів. Саме тут на допомогу приходить zScore від Zeru. Він використовує поведінку гаманця, щоб допомогти проектам зрозуміти, які учасники виглядають справжніми, а які можуть бути підозрілими. Але наскільки добре він працює? 1. РЕАЛЬНІ РЕЗУЛЬТАТИ ВІД GAIB За даними Zeru, порівняння GAIB V1 і V2 показало такі зміни: → На 56% менше виділень пішло до гаманців, ідентифікованих як сібіли. → Участь з боку гаманців вищої якості зросла на 49%. → Тиск на продаж після розподілу знизився на 50%. → Виділення для гаманців низької якості зменшилося з 21% до 13,5%. → Виділення для гаманців високої якості зросло з 41,7% до 54,7%. → Середній час тримання збільшився з 9,8 до 12,6 днів. Ці цифри свідчать, що поведінкове оцінювання може допомогти покращити розподіл ейрдропів. Проте потрібні додаткові деталі, щоб підтвердити, наскільки велика частина покращень пояснюється саме zScore. 2. ТЕСТУВАННЯ НА ІСТОРИЧНИХ ЕЙРДРОПАХ Zeru також протестувала свою систему оцінювання за допомогою історичних даних EigenLayer, https://t.co/Lc9E4SVXqm, Optimism та Elixir. Ідея проста: Що б сталося, якби zScore був використаний для фільтрації гаманців під час цих ейрдропів? Ці симуляції допомагають оцінити потенційну користь, але це не реальні результати з цих минулих розподілів. Вони показують, що могло б статися, а не те, що точно б сталося. 3. НАЙБІЛЬШИЙ ВИКЛИК Видалення ботів звучить добре, але що відбувається, коли справжній користувач помилково визначений як підозрілий? Добре оцінююча система повинна відповісти на важливі питання: → Як вона визначає підозрілі гаманці? → Скільки справжніх користувачів можуть несправедливо втратити свої нагороди? → Чи можуть інші дослідники перевірити результати? → Чи вона виявляє підозрілу поведінку, не блокуючи автоматично всіх учасників? Фреймворк ZAPs в Zeru також розглядає, як слід призначати нагороди та як ідентифікувати зловживання. Це пов’язано з забезпеченням справедливості систем нагородження, але його потрібно оцінювати окремо від фільтрації ейрдропів за допомогою zScore. МОЇ ВИСНОВКИ Zeru працює над реальною проблемою у Web3. Ейрдропи повинні нагороджувати справжню участь, а не тих, хто створює сотні гаманців, щоб отримати більше токенів. Звітні результати GAIB обнадіюють, а історичні симуляції надають ще один спосіб перевірити ідею. Але справжнє тестування — це чи зможе система зменшити зловживання, не виключаючи легітимних користувачів. Виявлення ботів важливе, але захист справжніх користувачів важить не менше.
