Schneider y Beccuti examinan las recompensas de DRep de Cardano y la votación con IA

Manvir Schneider, Científico sénior de investigación de la Cardano Foundation, y Juan Beccuti, investigador en economía y gobernanza de blockchain, presentaron su programa de investigación durante el primer Research Exchange el 19 de octubre. Su conversación abarcó la compensación de DRep, el uso de modelos de lenguaje de gran tamaño en la gobernanza y los incentivos económicos que respaldan la red de Cardano.

La serie invita a la retroalimentación de la comunidad mientras la investigación se desarrolla, continuando la colaboración de la Cardano Foundation con Input Output y otras instituciones de investigación.

Recompensar decisiones informadas de DRep

Los DReps reciben poder de voto delegado de los tenedores de ADA y participan en la gobernanza de Cardano. Diseñar la compensación por ese trabajo requiere una forma de incentivar que los representantes evalúen las propuestas en lugar de simplemente registrar votos.

Schneider describió el riesgo de recompensar la participación sin tener en cuenta el esfuerzo. Un representante podría votar al azar o copiar la posición de otro participante y aun así cumplir un requisito de actividad.

Los investigadores estudian mecanismos destinados a respaldar la toma de decisiones informadas. Schneider explicó que uno de los modelos que están examinando requeriría que los votos individuales permanezcan ocultos hasta que cierre la votación.

Ese requisito cambiaría el momento en que los delegadores y otros observadores podrían inspeccionar las elecciones de los representantes. Se trata de confidencialidad temporal durante un período de votación, en lugar de ocultar permanentemente el resultado.

Los investigadores señalaron la aceptación comunitaria de ese arreglo como una cuestión para mayor discusión. No se anunció la activación de pagos a DReps ni cambios en el proceso de votación de Cardano.

Modelos de IA compartidos pueden producir juicios correlacionados

Otro tema de investigación examina los modelos de lenguaje de gran tamaño como delegados o herramientas de apoyo a la decisión. Las propuestas de gobernanza pueden requerir lecturas sustanciales, lo que convierte a los resúmenes y análisis automatizados en una ayuda potencial para los representantes.

Schneider destacó un riesgo cuando muchos participantes usan el mismo modelo con información y contexto similares. Su razonamiento y sus decisiones pueden volverse correlacionados, reduciendo la independencia de sus evaluaciones.

Esa distinción importa al evaluar decisiones colectivas. Varios votos basados en una sola fuente analítica no proporcionan necesariamente la misma diversidad de juicio que opiniones formadas de manera independiente.

La sesión presentó esto como una cuestión de investigación abierta. No estableció que los modelos de IA compartidos determinen actualmente los resultados de la gobernanza de Cardano ni cuantificó su influencia en los votos existentes.

[NEWSBREAK]

Parámetros de staking e incentivos a largo plazo

Beccuti delineó dos sesiones de seguimiento que examinan cómo los cambios de parámetros afectan a los operadores de pools y a los delegadores.

La primera abordaría parámetros directamente conectados con la distribución de recompensas. Reducir el costo fijo declarado de un pool, por ejemplo, puede reducir inicialmente los ingresos del operador y al mismo tiempo hacer que el pool sea más atractivo para los delegadores. El efecto neto depende de las decisiones de delegación posteriores y de la distribución existente del stake.

Una segunda sesión examinaría parámetros monetarios de más largo plazo, incluido el uso de reservas para financiar recompensas y la sostenibilidad de esos incentivos en el tiempo.

El programa más amplio también incluye el comportamiento de propagación de bloques y los incentivos para validar y adoptar bloques endorser de Leios.

Para las sesiones sobre parámetros, los investigadores planean comparar los objetivos de diseño con las condiciones actuales del mercado. Se invita a los operadores de pools y a los delegadores a cuestionar los supuestos utilizando sus costos y sus ingresos reales, así como sus respuestas a los cambios en las recompensas.