카테고리 없음

슬래싱 또는 다수 보상의 문제

김거북아자 2024. 5. 5. 22:55

지난 글 에서 우리는 사람들이 투표하는 데 드는 비용을 솔직하게 보고하고 투표 비용이 가장 적게 드는 유권자 하위 집합에게 실제로 투표하는 데 비용을 지불하는 것을 목표로 하는 메커니즘을 설계하는 방법을 보여주었습니다. 그러나 많은 사람들이 지적했듯이, 순수한 참여를 장려하는 것은 어떤 상황에서는 정보가 없는 투표나 봇 투표로 이어질 수 있습니다.

다양한 프로젝트와 작가들은 정보에 입각한 투표에 대한 인센티브를 만드는 방법으로 다수결에 투표하는 유권자에게 보상을 제공하거나 소수에 투표하는 유권자를 삭감하는 방법을 제안했습니다. 우리는 질문에 대한 공식적인 분석을 수행하는 것이 유용하다고 생각했습니다. 여기에서 우리는 이러한 방식으로 정보에 입각한 참여를 장려하는 것이 가능하지만, 최적의 가장 비용 효율적인 형태라 할지라도 그렇게 하는 데에는 엄청나게 많은 비용이 들 가능성이 있음을 확인했습니다. 더욱이 보상 구조는 기대했던 것보다 설명하기가 다소 어렵기 때문에 구현에 장애가 될 수도 있습니다.

이 두 가지 문제의 원인은 근본적인 도덕적 위험 문제입니다. 사람들이 실제로 정보를 받았는지 여부는 관찰할 수 없으므로 단순히 대다수가 어떻게 투표할 것인지 추측하도록 인센티브를 제공하는 것이 아닌지 확인해야 합니다. 따라서 대다수 또는 소수 투표 여부에 따라 유권자에게 상을 주거나 삭감하는 것은 일반적으로 효과적인 접근 방식이 아닐 것입니다. 이 발견은 향후 작업의 주제가 될 다른 맥락에서 다수에 반대하는 투표용 주소(또는 동등하게 다수 투표에 대한 보상 주소)의 미묘한 효과를 이해하는 데 도움이 될 수 있습니다.

"정보를 바탕으로 한" 투표에 대해 직접 비용을 지불하는 것의 단점을 보여 주었고, 봇이나 나쁜 행위자가 투표 보상을 비생산적으로 수집하는 것을 방지하기 위해 프로젝트가 어떻게 실험할 수 있는지에 대한 몇 가지 구체적인 아이디어를 제공함으로써 결론을 내렸습니다. 특히 프로젝트에서는 다음을 고려할 수 있습니다.

  • … 다른 유형의 소급 보상에 대해 진행 중인 실험과 유사하게 이전에 프로젝트에 기여한 주소에만 보상을 받을 수 있도록 합니다.
  • ... 보상 프로그램을 일종의 스테이킹 요구 사항 및/또는 잠금 요구 사항과 결합하여 단기적으로 보상을 수확하는 것이 수익성이 없게 만듭니다.

"정보를 바탕으로 한" 투표에 비용을 지불하는 것이 어려운 이유

프로젝트가 원하는 것이 투표에 대한 인센티브라면 VCG 메커니즘의 직접적인 공개 또는 보상 상승 구현이 그 역할을 수행합니다. 그러나 투표만으로는 플랫폼의 목표를 달성하기에 충분하지 않을 수 있습니다. 유권자의 일부 하위 집합이 정보 에 입각한 방식 으로 투표하도록 장려할 수 있습니다 .

정보에 기초한 투표에 대한 인센티브를 제공하는 것은 단순히 투표에 대한 인센티브를 제공하는 것보다 어렵습니다. 유권자가 실제로 정보를 바탕으로 투표했는지 여부를 아는 것은 거의 불가능합니다. 정보에 대한 투자는 거의 관찰할 수 없습니다. 일부에서는 다수결로 투표하는 것이 정보를 바탕으로 투표했다는 표시일 수 있다고 제안했습니다. 직관은 프로젝트 구성원이 목표에 대해 실질적인 합의를 공유하는 경우가 많다는 것입니다. 따라서 모든 사람이 숙제를 한다면 그 목표를 달성하는 올바른 방법에 대해 모두가 거의 동일한 결론에 도달할 것이라고 생각할 수도 있습니다.

그렇다면 첫 번째 질문은 다수결 투표를 장려함으로써 정보에 입각한 투표를 장려할 수 있는지 여부입니다.

다수결로 투표

블록체인 투표가 작동하는 방식은 즉시 문제를 야기합니다. 현재 대부분의 블록체인 투표 시스템에서는 투표를 실시간으로 관찰할 수 있습니다. 즉, 유권자 2가 유권자 1 다음에 투표하면 유권자 2는 유권자 1이 어떻게 투표했는지 알 수 있습니다. 이러한 상황은 다수의 투표에 대한 인센티브를 도입하면 집단의 명백한 문제를 야기합니다. 나중에 투표하고 보상을 받기를 원하는 유권자는 올바른 투표 선택이 무엇인지에 대한 자신의 견해에 관계없이 다수가 투표했지만 투표하게 됩니다.

그러나 모든 사람이 투표할 때까지 투표 결과를 모호하게 하는 블록체인 투표 기술에 접근할 수 있다고 가정하더라도 우리는 여전히 상당한 어려움에 직면해 있습니다. 다수결 투표를 기반으로 정보를 바탕으로 한 투표에 대한 인센티브 제공:

  • … 누가 투표에 대해 정보를 얻었는지 직접적으로 관찰할 수 없기 때문에 비용이 많이 듭니다. 이는 단지 어떤 정책이 다수가 될 것인지 추측함으로써 정보를 얻는 것을 "가짜"로 시도하지 않도록 더 강력한 인센티브를 제공하기 위해 초과 지불을 필요로 합니다. 선택.
  • … 잠재적인 유권자가 참여 비용과 정보 획득 비용을 모두 보고하고 이러한 비용을 기준으로 계약을 평가할 수 있어야 하기 때문에 이해하기 어렵습니다.
  • ...다른 유권자들이 정보를 바탕으로 투표하지 않는다고 유권자가 믿을 경우 그들 자신도 정보를 얻을 동기가 없는 조정 실패가 항상 존재하기 때문에 성공을 보장할 수 없습니다.

이러한 단점을 감안할 때, 우리는 최적으로 설계된 인센티브 메커니즘을 사용하더라도 정보에 입각한 참여를 장려하는 방법으로 대부분의 경우 프로젝트가 다수의 투표에 대해 유권자에게 보상하는 것에 의존할 가능성이 낮다고 생각합니다.

정보에 입각한 투표를 구현하기 위한 최적의 메커니즘

플랫폼이 n명의 유권자가 투표하기를 원하고 그 중 m ≤ n 명이 정보를 바탕으로 투표하기를 원한다고 가정해 보겠습니다. 각 토큰 보유자에게는 투표 비용( ci ) 과 정보 수집 비용( ki ) 이라는 두 가지 다른 비용이 있습니다 .

일을 단순하게 유지하기 위해 네 가지 가정을 합니다.

  1. 투표는 두 가지 옵션 A 와 B 사이에서 이루어지며 정보에 투자하기 전에 모든 사람은 A가 올바른 선택일 확률이 q > ½ 이라고 믿습니다 .
  2. 토큰 보유자가 정보에 투자하면 올바른 선택을 완벽하게 학습합니다. (보다 현실적이고 확률적인 사례로 분석을 확장하는 것은 간단합니다. 그렇게 하면 정보에 입각한 투표를 구현하는 데 더 많은 비용이 들게 됩니다.)
  3. 토큰 보유자는 결과에 직접적으로 관심을 두지 않고 보상과 비용에만 관심을 갖습니다.
  4. 높은 투표 비용과 정보를 얻는 데 드는 높은 비용은 완전히 양의 상관관계가 있습니다. 즉, c 1 < c 2 < … < c N 및 k 1 < k 2 < … < k N 을 사용하여 유권자를 1부터 N 까지 정렬할 수 있습니다 . (이 가정을 완화하면 비용과 복잡성이 증가합니다.)

플랫폼은 토큰 보유자를 세 그룹으로 분류합니다.

  • 그룹 V : 간단하게 투표할 수 있도록 지불 p V를 제공받는 n – m 명의 토큰 보유자 .
  • 그룹 I : 그룹 I 의 다른 구성원 대다수와 함께 투표하는 경우에만 지불금 p I를 제공받는 m 토큰 보유자입니다 .
  • 그룹 O : 지불이나 인센티브가 제공되지 않는 나머지 토큰 보유자입니다.

메커니즘은 토큰 보유자를 그룹으로 분류하고 가능한 한 비용 효율적으로 두 가지 목표를 달성하기 위해 지불을 선택해야 합니다. 첫째, 토큰 보유자가 자신의 비용을 진실하게 공개하도록 해야 합니다. 둘째, 토큰 보유자가 원하는 대로 행동하도록 장려해야 합니다( V 투표 회원과 I 투표 회원이 정보를 얻도록).

정보를 얻는 것이 관찰 가능한 경우 최적의 메커니즘에 대해 생각하는 것부터 시작하여 지불 p I가 다수의 투표가 아닌 실제로 정보를 얻은 투표를 조건으로 하도록 했습니다. (이것은 첫 번째 게시물에서 논의한 VCG 문제보다 약간 더 복잡한 버전입니다.) 비용을 가능한 한 낮게 유지하기 위해 메커니즘은 가장 낮은 비용의 토큰 보유자(1 ~ m )를 그룹 I 에 배치 하고 다음으로 가장 낮은 토큰 보유자를 배치합니다. 그림 1에서 볼 수 있듯이 그룹 V 의 토큰 보유자( m + 1 ~ n )에게 비용 을 지불합니다. 그리고 이전 게시물에서와 마찬가지로 토큰 보유자가 자신의 비용을 진실하게 공개하기를 원하도록 하기 위해 메커니즘은 각 토큰 보유자에게 동일한 지불금을 제공합니다. 즉, 그들의 존재가 자신을 제외한 모든 사람의 총 복지에 미치는 영향입니다. 그 지불금이 무엇인지 봅시다.

그림 1. 토큰 보유자를 세 그룹으로 나눕니다. 비용이 가장 낮은 토큰 보유자는 정보에 입각한 유권자( I )가 되고, 그 다음으로 낮은 비용의 토큰 보유자는 정보가 없는 유권자( V )가 되며, 나머지는 비투표자( O )가 됩니다.

그룹 V 에 속한 토큰 보유자의 외부효과는 무엇입니까 ? 해당 토큰 보유자가 제거되면 유권자 수를 n 으로 되돌리려면 유권자 n + 1 은 c n +1 비용으로 투표해야 합니다 . 이것이 그룹 V 의 유권자가 총체적인 복지에 미치는 영향입니다. 따라서 그룹 V 의 구성원에게 제공되는 지불금은 p V = c n +1 입니다 . 이는 그림 2에 설명되어 있습니다.

그림 2. 정보가 없는 유권자가 제거된 경우 n 토큰 보유자를 유지하려면 n + 1을 정보가 없는 투표 그룹으로 이동해야 하며 투표 비용은 c n +1 입니다 .

그룹 I 의 토큰 보유자의 외부효과는 무엇입니까 ? 해당 토큰 보유자가 제거된 경우 투표에 대한 정보를 받은 유권자 수를 m 까지 되돌리려면 유권자 m + 1이 그룹 I 로 이동하고 투표에 정보를 받아야 합니다 . 이 유권자는 이미 투표 비용을 부담하고 있지만 이제는 정보를 얻는 비용도 k m +1 비용으로 부담해야 합니다 . 또한 유권자 수를 n 으로 되돌리려면 그룹 V 에 새 구성원을 추가해야 합니다 . 이는 c n +1 비용으로 투표해야 하는 유권자 n + 1 이 됩니다 . 따라서 그룹 I 의 토큰 보유자가 다른 토큰 보유자의 총 복지에 미치는 총 효과는 c n +1 + k m +1 입니다 . 따라서 이는 그들에게 각각 제공되는 지불금입니다. p I = c n +1 + k m +1 . 이는 그림 3에 설명되어 있습니다.

그림 3. 정보에 입각한 유권자가 제거되면 m 명의 유권자에게 정보를 제공하기 위해 토큰 보유자 m + 1은 정보에 입각한 투표 그룹으로 이동해야 하며 k m +1 의 추가 정보 비용을 부담해야 합니다 . 더욱이, 토큰 보유자 n + 1 은 투표 비용  c n+1 을 부담하면서 n 명의 총 유권자를 유지하기 위해 정보가 없는 투표 그룹으로 이동해야 합니다 .

메커니즘이 토큰 보유자의 행동 방식에 직접적으로 지불 조건을 지정할 수 있다면, 즉 정보를 얻는 것이 관찰 가능하다면 이것이 전체적인 답이 될 것입니다. 부록에서 볼 수 있듯이 이러한 지불은 토큰 보유자의 진실 말하기를 유도합니다. 그리고 그렇게 할 수 있는 더 저렴한 방법은 없습니다.

도덕적 해이 문제

위의 분석은 그룹 I 의 토큰 보유자가 정보를 바탕으로 투표했는지 여부를 실제로 관찰할 수 없고 정보를 얻는 조건으로 지불을 할 수 없기 때문에 구현 가능하지 않습니다. 이것이 바로 사람들이 다수의 투표에 따라 지불 p I를 조건화하는 아이디어에 관심을 가져온 이유입니다 . 정보를 아는 유권자가 진실을 완벽하게 배운다는 우리의 가정을 고려할 때, I 투표에 참여하는 다른 모든 사람이 구성원에게 ' 나는 스스로 지불을 보장할 수 있다'는 정보를 제공한다면 스스로 지불을 보장할 수 있습니다. 정보를 얻음으로써. 따라서 사람들에게 과반수 투표에 대한 보상을 제공하면 정보에 투자할 인센티브를 얻을 수 있습니다.

그러나 그러한 인센티브는 위에서 생성된 인센티브만큼 강력하지 않습니다. 여기서 우리는 유권자가 정보를 얻는지 실제로 관찰할 수 있다고 가정했습니다. 이는 관찰 불가능성으로 인해 발생하는 도덕적 해이 문제 때문입니다. 유권자가 과반수 투표에 따라 보상을 받는 경우, 그들은 정보를 얻을 수 있고 (다른 사람들도 정보를 받았다고 가정) 스스로 지불을 보장할 수 있습니다. 그러나 그들은 정보를 얻을 수도 없고 다수가 어떻게 투표할 것인지 추측할 수도 없습니다. 추측이 옳다면 정보 획득 비용을 피하면서 여전히 돈을 받습니다.

이 옵션은 그룹 I 의 구성원이 정보에 투자할 유인을 약화시킵니다. 게다가 이는 또 다른 합병증을 야기합니다. 그룹 I 에 대한 지불이 그룹 V 에 대한 지불에 비해 너무 관대 하다면 그룹 V 에 속해야 하는 토큰 보유자는 비용을 과소평가하고 그룹 I 에 할당되며 정확하게 추측하기 위해 정보 없이 투표할 인센티브를 가질 수 있습니다. . 최적의 메커니즘을 완전히 특성화하려면 이러한 도덕적 해이 문제를 고려해야 합니다.

이 질문을 분석하기 위해 우리는 토큰 보유자가 정보를 얻지 못하더라도 대다수의 I 로 투표하여 올바르게 추측할 가능성이 얼마나 되는지 물어봐야 합니다. I 의 다른 모든 구성원이 이 사실을 알게 되었다고 가정해 보겠습니다. 그런 다음 확률 q > ½이면 모두 A 에 투표하고 확률 q < ½이면 모두 B 에 투표합니다 . 이는 정보가 없는 토큰 보유자의 최선의 추측은 A 이고 확률 q 로 정확하게 추측한다는 것을 의미합니다 . 따라서 최선의 추측을 하는  그룹 I 의 유권자 i 는 q · p I – c i 의 기대 보수를 얻습니다 .

여기에는 지적할 가치가 있는 미묘함이 있습니다. 우리는 구현 가능성에 대한 질문을 중요한 방식으로 변경했습니다. VCG는 원하는 행동이 약하게 지배적인 전략으로 구현될 수 있는지 묻습니다. 즉, 토큰 보유자는 다른 사람이 무엇을 하든 관계없이 원하는 대로 행동하기를 원합니다. 과반수의 투표를 조건으로 지불을 하면 그러한 지배력 구현은 더 이상 불가능합니다. 왜냐하면 지불을 받는 것은 다른 모든 사람들이 어떻게 투표하는지에 달려 있기 때문입니다. 이제 우리는 우리가 원하는 결과가 약하게 구현 가능한지 묻고 있습니다. 에이전트가 원하는 대로 행동하는 내쉬 균형이 존재합니까? 아래에서 논의하겠지만, 대답이 '예'인 경우에도 다른 내쉬 균형도 있습니다.

먼저 그룹 V 에 할당되어야 하는 토큰 보유자를 고려하십시오 . 해당 토큰 보유자가 진실을 말하면 V 그룹에 속하게 되고 p V – c i 의 보상을 받습니다 . 대신 그룹 I 에 속하기 위해 거짓말을 하고 최선의 추측을 한다면 q · p I – c i 의 보수를 얻습니다 . 비교하면 , 이 토큰 보유자는 다음과 같은 경우 비용에 대해 진실을 말할 것입니다.

p V ≥ q · p I .

둘째, 그룹 I 에 할당될 토큰 보유자를 고려하십시오 . 해당 토큰 보유자가 정보를 받으면 p I – c i – k i 의 보상을 받습니다 . 정보를 얻지 못하고 최선의 추측을 하지 않으면 q · p I – c i 의 보수를 얻습니다 . 비교해보면, 이 토큰 보유자는 다음과 같은 경우에 정보를 받게 됩니다:

최적의 메커니즘

위의 분석은 진실을 말하고 올바른 행동을 유도하기 위해 충족되어야 하는 네 가지 제약 조건을 제공합니다. 그들은:

pV ≥ cn +1​​

p V ≥  q · p I

p I ≥ c n +1 + k m +1

이러한 제약 중 마지막 제약은 그룹 I 에서 가장 높은 비용의 토큰 보유자인 토큰 보유자 m에 대해 충족하기가 가장 어렵습니다. 그리고 물론, m 의 지불은 그녀의 비용에 직접적으로 의존할 수 없습니다. 왜냐하면 그렇게 되면 그녀는 그 비용을 과장할 인센티브를 갖게 될 것이기 때문입니다. 따라서 진실 말하기를 유도하면서 최종 제약 조건을 충족할 수 있는 가장 저렴한 방법은 다음과 같습니다.

이제 이는 최적의 메커니즘에 대한 완전한 특성을 제공합니다. 우리는

  • 그룹 I
    • 토큰 보유자 1 ~ m 으로 구성됩니다 .
    • 각 회원은 그룹 I 의 과반수 투표에 따라 지불금 p I * 를 받습니다 . 그 결제는
  • 그룹 5
    • m + 1 부터 n 까지 의 토큰 보유자로 구성됩니다 .
    • 각 회원은 투표에 대한 대가 로 p V * 를 받습니다 . 그 결제는

p I * 및 p V * 는 각각 두 값 중 하나를 취할 수 있습니다. 그들이 취하는 것은 q 와 c n +1 과 k m +1 의 상대적인 값에 달려 있는데 , 그 방식은 우리가 부록에서 정확하게 언급하고 있습니다 . 그러나 그림 4에서 볼 수 있듯이 q   의 함수로서 보수의 기본 형태는 항상 동일합니다.

그림 4. c n +1 과 k m +1 의 두 가지 서로 다른 값에 대한 q 의 함수로 두 그룹에 대한 최적 지불 .

예

메커니즘을 설명하기 위해 예를 생각해 보겠습니다. 5명의 토큰 보유자가 각각 1개의 토큰을 보유하고 있으며 비용은 다음과 같다고 가정합니다.

토큰 보유자 투표 비용 ( ci ) 정보 비용 ( ki )
1 $2 $3
2 $4 $5
삼 $9 $11
4 $12 $14
5 $14 $15

프로젝트는 n =3명이 투표하도록 하고 그들 중 최소한 m =2명이 정보를 바탕으로 투표하기를 원합니다. 더욱이 프로젝트에서 A 가 올바른 선택일 확률이 q =.6이라고 생각한다고 가정해 보겠습니다.

프로젝트는 각 토큰 보유자에게 비용을 공개하도록 요청하고 토큰 보유자는 이를 공개합니다. 플랫폼은 다음 두 숫자를 찾습니다: c n +1=4 = $12 및 k m +1=3 = $11.

그런 다음 우리 메커니즘은 다음을 선택합니다.

토큰 보유자 1과 2는 그룹 I 에 배정되고 , 투표 정보를 받으며, 동일하게 투표하여 과반수가 되므로 각각 $27.5를 받습니다. 토큰 보유자 3은 그룹 V 에 할당되어 사전 정보 없이 투표 하고 $16.5를 받습니다.

사전 투표 유도에 대한 우려

우리는 사람들에게 과반수 투표에 대한 보상을 제공함으로써 정보에 입각한 투표를 장려하는 최적의 메커니즘을 특징으로 했습니다. 이 메커니즘의 세 가지 특징은 그러한 인센티브를 실제로 구현하는 타당성에 대한 몇 가지 실질적인 우려를 강조합니다.

첫 번째는 적절한 인센티브를 제공하는 데 상당한 비용이 들 수 있다는 것입니다. 우리의 예에서, 토큰 보유자가 부담하는 투표 및 정보의 총 비용은 $23입니다(토큰 보유자 1과 2는 투표 및 정보 비용을 부담하고, 토큰 보유자 3은 투표 비용만 부담합니다). 그러나 메커니즘에 의해 지급되는 총 보상은 $71.5입니다(토큰 보유자 1과 2는 각각 $27.5를 받고 토큰 보유자 3은 $16.5를 받습니다). 불행하게도 플랫폼은 유권자의 비용을 모르기 때문에 목표를 달성할 수 있는 더 저렴한 방법은 없습니다.

보다 일반적으로, m 명의 정보 투표와 n개의 총 투표를 유도하는 데 드는 총 비용 은 다음과 같습니다.

총 비용 = m · p I * + (n – m) · p V * .

이 총 비용은 다음 세 가지에 따라 달라집니다.

  1. 구매해야 하는 투표 수와 정보 투표 수( m 및 n – m ),
  2. 토큰 보유자의 투표 및 정보 비용 ( c n +1 및 km +1 )
  3. 올바른 선택( q ) 에 대한 불확실성이 얼마나 됩니까 ?

플랫폼 비용은 m , n – m , c n +1 및 k m +1 단위로 선형적으로 증가합니다 . 그러나 그림 4에서 볼 수 있듯이 q 에서는 쌍곡선으로 증가하고 있습니다 . 더욱이 q가 1에 가까워지면 올바른 선택에 대한 불확실성이 본질적으로 없으므로 정보에 입각한 투표를 유도하는 데 드는 비용은 무한대가 됩니다. 이는 A가 올바른 옵션이라고 거의 확신 하는 경우 그룹 I 의 토큰 보유자가 정보를 얻기 위해 투자할 이유가 없기 때문입니다. 그들은 단지 A에 투표할 수 있고 어쨌든 거의 확실히 다수가 될 수 있습니다. 따라서 올바른 선택에 대해 상당한 불확실성이 있을 때, 즉 q가 1/2에 가까울 때 정보를 바탕으로 투표를 구매하는 것을 고려하는 것이 아마도 가능할 것입니다. 다행스럽게도 이는 정보에 입각한 투표가 가장 가치 있는 상황이기도 합니다.

두 번째 우려는 토큰 보유자의 요구 사항이 수학적으로 제시하는 것보다 덜 부담스러울 수 있지만 메커니즘이 토큰 보유자가 이해하기 다소 어려울 수 있다는 것입니다. 토큰 보유자는 (1) 투표 및 정보 획득에 드는 개인 비용을 명시할 수 있어야 하며 (2) 간단한 계약을 받은 후 금전적 인센티브의 방향을 이해할 수 있어야 합니다.

세 번째 우려는 보다 근본적입니다. 유권자가 자신의 그룹에서 다수로 투표하는지 여부에 따라 작동하는 모든 인센티브 계획은 조정 문제에 대한 우려를 낳습니다. 즉, 위의 분석은 모든 토큰 보유자가 설명된 대로 행동하는 것이 균형이라는 것을 보여줍니다. 그러나 항상 또 다른 균형이 있습니다.

그룹 I 의 토큰 보유자가 그룹 I 의 다른 토큰 보유자가 정보에 투자하지 않을 것이라고 믿는다고 상상해 보십시오. 그런 다음 해당 토큰 보유자는 올바른 옵션이 무엇인지에 따라 대다수 투표가 결정되지 않기 때문에 올바른 옵션을 아는 것이 그룹 I 의 대다수에 투표하는 데 도움이 되지 않는다고 믿습니다 . 따라서 해당 토큰 보유자는 정보에 투자할 인센티브가 없습니다. 따라서 사람들에게 그룹 I 의 대다수가 투표하도록 보상하는 인센티브 계획 하에서는 좋은 "정보가 있는" 균형 외에도 토큰 보유자가 정보에 투자하지 않는 나쁜 "정보가 없는" 균형도 항상 존재합니다. ) 다른 토큰 보유자는 정보에 투자하지 않을 것이라고 믿습니다.

***

이러한 분석에서 우리가 얻을 수 있는 점은 다수 또는 소수 투표 여부에 따라 유권자에게 보상하거나 삭감하는 것이 정보가 없는 투표나 봇 투표를 억제하면서 투표에 보상하는 가장 유망한 방법이 아니라는 것입니다.

기본 보상 메커니즘이 게임이나 정보 없는 투표에 너무 취약하다고 생각하는 프로젝트의 경우 논리적인 시작 방법은 프로젝트에 대한 일종의 기여 기록이 있는 주소에만 보상을 제공하는 것입니다. 이는 Optimism의 지속적인 작업과 같은 소급 보상에 대한 최근 실험과 일치합니다.

별도로 또는 추가로 프로젝트는 단기 투표 보상 수집을 방해하기 위해 장기간 프로토콜에 고정된 주소에만 보상을 제공하는 스테이킹 요구 사항을 탐색할 수도 있습니다.

***

Ethan Bueno de Mesquita 는 시카고대학교 해리스 공공정책대학원의 시드니 스타인 교수입니다. 그의 연구는 게임 이론 모델을 다양한 정치 현상에 적용하는 데 중점을 두고 있습니다. 그는 거버넌스 및 관련 문제에 대해 기술 회사 및 기타 기업에 조언을 제공합니다.

앤드루 홀(Andrew Hall)은 스탠포드대학교 경영대학원 정치경제학 교수이자 정치학 교수이다. 그는 a16z 연구소에서 일하고 있으며 기술, 거버넌스 및 사회의 교차점에 있는 문제에 대한 기술 회사, 스타트업 및 블록체인 프로토콜의 고문입니다.

***

편집자: 팀 설리반

***

부록

VCG는 관찰 가능한 정보를 얻을 때 진실 말하기를 유도합니다.

정보를 얻는 것이 관찰 가능하다면 p V   = c n +1 및 p I   = c n +1 + k m +1 은 진실 말하기를 유도합니다.

첫째, 모든 사람이 이 메커니즘에 기꺼이 참여할 것이라는 점에 유의하십시오. 그룹 V 에 속하게 될 각 토큰 보유자는 p V   - c i 의 보상을 받습니다 . p V  = c n +1 이고 그룹 V 의 구성원은 모두 비용 c i < c n +1 이므로 양의 보수를 얻습니다. 마찬가지로, 그룹 I 의 각 토큰 보유자는 p I –  c i – k i 의 보상을 받게 됩니다 . p I = c n +1 + k m +1 및 그룹 I 의 구성원은 모두 비용 c i < c n +1 및 k i < k m +1 을 가지 므로 그들 역시 양의 보수를 얻습니다.

둘째, 모든 토큰 보유자에게 진실을 말하는 것은 약하게 지배적입니다.

그룹 V 의 구성원이 더 높은 비용을 주장하면 보수에 변화가 없거나 그룹 O 에 할당되어 0이 됩니다. 그룹 V 의 구성원 이 더 낮은 비용을 주장하면 결과에 변화가 없습니다. 그렇지 않으면 그룹 I 에 할당됩니다 . 이 경우 c n +1 + k m +1 – c i – ki 의 보수를 얻게 됩니다 . 그러나 그룹 V 의 구성원은 정보 비용 k i ≥ k m +1 을 가지므로 이는 그룹 V에 속할 때 얻는 이익보다 더 나쁩니다.

그룹 I 의 구성원이 더 낮은 비용을 주장하더라도 여전히 그룹 I 에 속하므로 동일한 보상을 받게 됩니다. 그들이 더 높은 비용을 요구한다면 보상에 변화가 없거나(그룹 I 에 머물렀다면) 그룹 O 에 배정되어 0(분명히 수익성이 없음)을 얻거나 그룹 V 에 배정될 것입니다. . 그 경우 그들은 c n +1 – c i 의 보상을 받게 됩니다 . 그러나 그룹 I 의 구성원은 정보 비용 k i < k m +1 을 갖기 때문에 이는 그룹 I 에 있는 것보다 더 나쁩니다 .

c n +1 < k m +1 및 q 의 함수로서의 지불

우리가 보여준 텍스트에서

이를 통해 다음이 간단해집니다.

***

여기에 표현된 견해는 인용된 개별 AH Capital Management, LLC(“a16z”) 직원의 견해이며 a16z 또는 그 계열사의 견해가 아닙니다. 여기에 포함된 특정 정보는 a16z가 관리하는 펀드의 포트폴리오 회사를 포함한 제3자 소스에서 얻은 것입니다. a16z는 신뢰할 수 있는 출처에서 가져온 정보이지만, 해당 정보를 독립적으로 검증하지 않았으며 정보의 지속적인 정확성이나 특정 상황에 대한 적합성에 대해 어떠한 진술도 하지 않습니다. 또한 이 콘텐츠에는 제3자 광고가 포함될 수 있습니다. a16z는 그러한 광고를 검토하지 않았으며 그 안에 포함된 어떠한 광고 콘텐츠도 보증하지 않습니다.

이 콘텐츠는 정보 제공의 목적으로만 제공되며 법률, 비즈니스, 투자 또는 세금 관련 조언으로 의존해서는 안 됩니다. 그러한 문제에 대해서는 자신의 조언자와 상담해야 합니다. 증권이나 디지털 자산에 대한 언급은 설명 목적으로만 제시된 것이며 투자 추천이나 투자 자문 서비스 제공을 제안하는 것이 아닙니다. 또한, 이 내용은 투자자나 잠재 투자자를 대상으로 하거나 사용하려는 의도가 없으며, a16z가 관리하는 펀드에 대한 투자 결정을 내릴 때 어떤 상황에서도 의존할 수 없습니다. (a16z 펀드에 대한 투자 제안은 해당 펀드의 사모 각서, 청약 계약서 및 기타 관련 문서를 통해서만 이루어지며 전체 내용을 읽어야 합니다.) 언급되거나 언급되거나 언급된 모든 투자 또는 포트폴리오 회사 설명된 내용은 a16z가 관리하는 차량에 대한 모든 투자를 대표하지 않으며 해당 투자가 수익성이 있을 것이라는 보장이나 향후 다른 투자가 유사한 특성이나 결과를 가질 것이라는 보장은 없습니다. Andreessen Horowitz가 관리하는 펀드에 의한 투자 목록(발행자가 a16z에 공개를 허용하지 않은 투자 및 공개 거래되는 디지털 자산에 대한 미발표 투자 제외)은 https://a16z.com/investments 에서 확인할 수 있습니다. / .

제공된 차트와 그래프는 정보 제공의 목적으로만 제공되며 투자 결정을 내릴 때 이에 의존해서는 안 됩니다. 과거 성과는 미래 결과를 나타내지 않습니다. 내용은 표시된 날짜 기준으로만 설명됩니다. 본 자료에 표현된 모든 예상, 추산, 예상, 목표, 전망 및/또는 의견은 예고 없이 변경될 수 있으며, 다른 사람이 표현한 의견과 다르거나 반대될 수 있습니다. 추가적인 중요한 정보는 https://a16z.com/disclosures를 참조하세요 .

코인인증하고 코인올백 공식카톡방 입장하기
https://open.kakao.com/o/slRwZOog