Em sistemas descentralizados, como podemos selecionar participantes de forma justa e, ao mesmo tempo, otimizar o desempenho? A seleção aleatória, ou sortição, tem sido usada há muito tempo para garantir justiça e representação. No entanto, muitos sistemas descentralizados hoje, de redes de inferência a oráculos, são projetados com resultados mensuráveis em mente. Quando o desempenho é um objetivo central, um processo puramente aleatório pode não atender às necessidades da rede. Em Sortition Baseado em Mérito em Sistemas Descentralizados, uma equipe de pesquisa liderada pelo Chefe de Pesquisa da @AlloraLabsHQ @Apollo11_Allora apresenta um novo método que permite que a seleção seja influenciada pelo desempenho anterior, sem excluir participantes menos ativos ou mais novos de considerações futuras. O mecanismo principal usa uma métrica de qualidade exponencialmente suavizada para classificar os participantes. Os colaboradores ativos são selecionados com base em seu desempenho recente, enquanto os inativos ainda são considerados para promoção, atualizando suas métricas de qualidade com um proxy baseado em percentil extraído do conjunto ativo. Esse design mantém o sistema flexível e inclusivo, mas eleva consistentemente os participantes de alto desempenho para o pool ativo. Por meio de uma série de experimentos numéricos, o estudo mostra que esse método leva a uma melhoria clara e estatisticamente significativa na qualidade do conjunto ativo em comparação com o sorteio aleatório. O equilíbrio ideal ocorre quando as pontuações dos participantes inativos são atualizadas usando o percentil 25 das pontuações dos participantes ativos (colocando os 25% inferiores dos participantes ativos em risco de se tornarem inativos), mas o sistema permanece ajustável para se adequar a diferentes designs de rede e níveis de rotatividade de participantes. Para sistemas que devem coordenar a inteligência descentralizada, adaptar-se às mudanças nas condições e manter a justiça sem sacrificar a eficácia, este trabalho oferece uma solução prática, bem fundamentada e geralmente aplicável. Leia o estudo completo: