Recompensa lineal convergente
Puede que no sea posible cambiar las características inherentes de un individuo con un conjunto de algoritmos o código, pero definitivamente puede entrenarlos. Las características sociales individuales pueden ser un poco complejas y es posible que ni siquiera sea posible entrenarlas caso por caso con código/algoritmo. Pero las características sociales de la comunidad son mucho más fáciles de entrenar, particularmente en la creación de una red social, además de ventajas económicas.

Ese es el tema de hoy, Recompensa Lineal Convergente, aprovecha los comportamientos/juicios sociales sobre la curación y los transforma en un juicio de la comunidad en Steem Blockchain.

Fue en el año 2016 cuando fuimos testigos de la primera plataforma social descentralizada Steemit en la parte superior de Steem Blockchain, en ese momento la curva de recompensa en Steem Blockchain era cuadrática/superlineal, con su función f(x)=x2 . Realmente animó a la gente a invertir más en STEEM y luego encenderlo como Steem Power (SP), cuanto más SP tenga, más recompensa podrá generar. Pero más tarde se descubrió que desanimó a la clase media común y a los recién llegados. Además, condujo a ... "Los ricos se hacen más ricos".

En el año 2017 (junio de 2017), la curva de recompensa (ecuación cuadrática) fue reemplazada por una ecuación lineal, f(x)=x. Esto realmente parecía justo para todos, en consonancia con el espíritu de descentralización e igualdad de oportunidades para todos. Pero incluso si parecía justo para todos, condujo a una serie de publicaciones paralelas, sin intersección social, la gente comenzó a autoavaluarse, por lo que se encontró que el comportamiento social tiende a ser egoísta con una ecuación lineal. Además, también condujo a un abuso total del grupo de recompensas al usar un voto positivo de bot para contenido deficiente y llevarlo a la cima, lo que llevó a un descubrimiento de contenido deficiente.

En el año 2019 (agosto de 2019/Hard Fork 21), para abordar los comportamientos egoístas, el uso de bots, el abuso del grupo de recompensas y para mejorar el descubrimiento de contenido, la curva de recompensa (ecuación lineal) fue reemplazada por una ecuación lineal convergente, f(x)=x2/(x+1). Con esta ecuación, la autoavaluación es desalentadora en el contexto de las recompensas monetarias, y puedes ganar más votando a favor de las publicaciones de otros. Además, la cantidad de publicaciones paralelas se redujo con la introducción de la recompensa lineal convergente y condujo a una mejor intersección social, por lo tanto, un mejor descubrimiento de contenido.

Aquellos que encuentren estas ecuaciones matemáticas difíciles y complejas, no se preocupen, las haré lo más simple posible para que se convierta en una taza de té fácil para todos.

• En el caso de la ecuación cuadrática/superlineal [f(x)=x^2], la recompensa crece con [entrada] 2 . Por ejemplo, si el usuario A tiene SP dos veces más que el usuario B, entonces su valor de voto a favor es 4 veces mejor que el del usuario B.

• En el caso de la ecuación lineal [f(x)=x], la recompensa crece de forma lineal con la entrada. Por ejemplo, si el usuario A tiene SP dos veces más que B, entonces su valor de voto a favor es 2 veces mejor que el usuario B.

• En el caso de la ecuación lineal convergente [f(x)=x^2/(x + 1)], la recompensa es mucho menor con una entrada menor, pero mejora a medida que aumenta el valor de entrada y, finalmente, crece linealmente con una mayor entrada. Por ejemplo, si los usuarios A, B, C tienen entradas pequeñas (SP), su producción individual (valor de voto positivo) será menor, pero su producción colectiva será mayor que la suma de la producción individual.

En la capa 0, (en el nivel Blockchain), no reconoce SP, más bien es Chalecos. Son como acciones y la recompensa que se genera se conoce como acciones de recompensa. Entonces, cuando votas a favor de una publicación, se genera "rShares". La recompensa (STEEM) se distribuye en función de los rShares generados en una publicación.

Entonces tenemos dos parámetros:

• Fondo de recompensas (tokens STEEM)
• rShares

La belleza de la recompensa lineal convergente es que cada vez que un nuevo usuario visita y selecciona la publicación, la recompensa STEEM por rShares aumenta. Entonces, cuanto más la gente aprueba el contenido, mayor es la recompensa que genera y se convierte en una publicación de tendencia, visible para todos.

Además, a medida que se agregan más y más rShares a una publicación, converge a la linealidad, lo cual verificaremos tomando el ejemplo real (usando SP y su valor de voto a favor)

Por favor, no se confundan con rShares, Chalecos. Lo simplificaré trazando una curva usando "SP y valor de voto a favor". (A nivel de Blockchain, se conocen como Chalecos (SP) y rShares (Valor de voto a favor)).

Primero tracemos el gráfico de ecuaciones lineales superlineales, lineales y convergentes.

Ahora volvamos al uso real de esta ecuación en Steem Blockchain.

Tenemos la entrada como (SP, VP) mediante la cual votamos a favor de una publicación cuando lo hacemos genera rShares, y en base a eso rShares se distribuye el grupo de recompensas.

Aquí, Entrada = SP, VP

Salida = Valor de voto a favor.

Tomaremos un rango de diferentes valores de entrada (en orden creciente) para verificar la salida y luego estableceremos cómo y cuándo converge a la linealidad , cuál es la importancia de esta curva en los comportamientos sociales y el juicio (curación).

Estos son los diferentes valores de SP que producen un valor de upvote diferente (el valor de Upvote se calcula usando la herramienta Steemworld.org)

Observación:-

• Para los valores más bajos de entrada (SP), la salida es mucho menor. Pero con valores de entrada (SP) más altos, la salida es mucho mayor y comenzó a volverse lineal más allá de los 2,5 millones de SP.

• Una entrada más alta no significa necesariamente un solo votante, también pueden ser varios votantes y si sus valores de entrada combinados (SP) son más altos, entonces también pueden obtener una recompensa lineal (upvote) como salida. Por ejemplo, si hay 50 votantes individuales cuyo tamaño de SP combinado es de 2,5 millones, todos pueden ganar las recompensas lineales, en caso de que seleccionen contenido brillante.

• Si hay tres curadores: A, B, C con valores de SP 10000 SP, 15,000 SP y 20,000 SP respectivamente. Si todos permanecen aislados en la curaduría, entonces su recompensa será menor como curadores individuales. Si estos tres curadores llegan a un acuerdo sobre contenido de calidad y curan como comunidad, todos obtendrán una mejor recompensa por curar.

Ejemplo,

Curador A- Valor de upvote con 10,000 SP (peso total) = $0.2044
Curador B- Valor de upvote con 15,000 SP (peso completo) = $0.3131
Curador C- Valor de upvote con 20,000 SP (peso completo) = $0.4249

Juicio aislado por A, B, C = (0,2044 + 0,3131 + 0,4249) = $0,9424

Ahora, si estos tres curadores curan una sola publicación, entonces su entrada combinada se convertirá en (10000 + 15000 + 20000) = 45000 SP, el pago posterior con 45000 SP como entrada generará una salida = $1.0359

Juicio de la comunidad por A, B, C = $1.0359 (con una entrada combinada de 45000 SP).

$1.0359> $0.9424

Por lo tanto, los tres curadores obtendrán mejores recompensas de curación si llegan a un acuerdo como comunidad en su juicio sobre la curación.

En pocas palabras, la curva de recompensa lineal convergente anima al curador a llegar a un acuerdo con la comunidad en Proof-of-Brain. Además, el juicio aislado recompensa menos, por lo tanto, los curadores individuales están motivados para visitar la publicación de otros y encontrar contenido de calidad, en la búsqueda de contenido de calidad también ayudan a un mejor descubrimiento de contenido, porque los curadores individuales pueden llegar a un acuerdo con la comunidad solo en la calidad. contenido/contenido popular que agrega valor a Steem Blockchain y su ecosistema.

• El contenido autoafirmado, contenido de baja calidad, siempre permanecerá en la zona inferior (o zona sublineal) del gráfico, ya que la salida será mucho menor si la entrada es menor. Entonces, aquellos que auto-votan a favor de su publicación no se benefician de tal curva de recompensa. Del mismo modo, los contenidos deficientes apenas encuentran la atención de la comunidad, también permanecen en la zona sub-lineal

• El contenido de calidad moderada se ubicará en algún lugar entre la zona lineal y sub-lineal. Es posible que encuentren algún apoyo de la comunidad, pero es posible que no encuentren suficiente tracción para alcanzar la linealidad.

• El contenido brillante/de alta calidad definitivamente marca la tendencia de la página y permanece en la zona lineal. En esta zona, el juicio aislado se transforma en juicio comunitario. Los curadores individuales llegan a un acuerdo con la comunidad. La curva de recompensa alienta aún más a las personas a seleccionar dicho contenido, ya que todos ganan una recompensa lineal que siempre es mayor que la recompensa sublineal.

Tengamos un enfoque analítico para descubrir qué tan alentador es seleccionar una publicación en la página de tendencias.

Con los recursos actuales [SP, VP] que tengo si emito un voto con el peso total, generará un valor de voto a favor de $0.15, de este valor puedo ganar una recompensa de curación de $0.075.

Vayamos a la página de tendencias de Steemit y escojamos una de las publicaciones de tendencias con un pago alto (recompensa lineal).

Tomé la captura de pantalla antes y después de votar esta publicación.

Antes de votar, el pago posterior era = $383,2
Después de votar, el pago posterior era = $383,72

Diferencia = $383.72- $383.2 = $0.72

Vaya, eso es enorme. Con los mismos recursos, el juicio de la comunidad (recompensa lineal) produce $0,72, que es casi 5 veces el juicio aislado ($0,15).

Calculemos la recompensa de curación de esta publicación.

Pcurador = (1/2) * (√PT) * (√P1-√P0) Δt

P T = Pago posterior al final de los 7 días
P 0 = Pago posterior antes de votar
P 1 = Pago posterior después de la votación

P 0 = 383,2
P 1 = 383,72
P T = 383,72

Δt = 1 ya que he votado después de 5 minutos.

=> P albura = (1/2) * (√383.72) * (√383.72-√383.2) = $0.13

En este ejemplo,

El juicio aislado produce una recompensa de curación = $0.075
El juicio de la comunidad produce una recompensa de curación (recompensa lineal) = $0.13

Entonces, incluso si voté mucho más tarde (cuando las ballenas ya han votado, por lo que no obtengo la ventaja de los votantes tempranos), todavía obtengo una recompensa de curación significativa de tal publicación (en comparación con el juicio aislado).

Esa es la belleza de la recompensa lineal convergente.