Schneider 与 Beccuti 探讨 Cardano DRep 奖励与 AI 投票

Cardano Foundation 的高级研究科学家 Manvir Schneider 与经济学及区块链治理研究者 Juan Beccuti 于 10 月 19 日举行的首期 Research Exchange 上介绍了他们的研究计划。他们的讨论涵盖 DRep 补偿、在治理中使用大型语言模型，以及支撑 Cardano 网络的经济激励。

该系列在研究推进过程中邀请社区反馈，延续 Cardano Foundation 与 Input Output 及其他研究机构的合作。

为 DRep 的知情决策提供奖励

DRep 从 ADA 持有者处获得被委托的投票权并参与 Cardano 治理。为这项工作设计补偿机制，需要一种方式来鼓励代表评估提案，而不是仅仅登记投票。

Schneider 指出了在不考虑付出时仅以参与度奖励的风险。代表可能随机投票或复制他人的立场，却仍然满足活跃度要求。

研究人员正在研究旨在支持知情决策的机制。Schneider 解释称，他们正在评估的一种模型将要求在投票结束前，个人投票保持隐藏。

这一要求会改变委托者和其他观察者可查看代表选择的时间点。它关注的是投票期间的临时保密，而不是永久隐藏结果。

研究人员将社区对这一安排的接受度识别为需要进一步讨论的问题。未宣布启动 DRep 支付或更改 Cardano 的投票流程。

共享式 AI 模型可能导致判断趋同

另一项研究主题考察将大型语言模型用作代理或决策支持工具。治理提案可能需要大量阅读，使自动摘要与分析成为代表的潜在辅助。

Schneider 强调了当许多参与者在相似信息与语境下使用同一模型时的风险。他们的推理与决策可能出现相关性，从而降低评估的独立性。

在评估集体决策时，这一区别很重要。基于同一分析来源的多次投票并不必然具备与独立形成的观点相同的判断多样性。

本次会议将其作为一个开放的研究问题提出。并未认定共享式 AI 模型当前决定了 Cardano 治理结果，亦未量化其对现有投票的影响。

[NEWSBREAK]

质押参数与长期激励

Beccuti 概述了两个后续会议，研究参数变化如何影响质押池运营者与委托者。

第一场将讨论与奖励分配直接相关的参数。比如，降低某个池声明的固定成本，起初可能减少运营者的收入，同时让该池对委托者更具吸引力。净效应取决于后续的委托决策以及现有的权益分布。

第二场将考察更长期的货币参数，包括使用储备金资助奖励以及这些激励在时间维度上的可持续性。

更广泛的研究计划还包括区块传播行为，以及对验证与采纳 Leios endorser 区块的激励。

在参数相关的会议中，研究人员计划将设计目标与当前市场状况进行对比。欢迎质押池运营者与委托者用其实际成本、收入以及对奖励变动的反应来检验假设。