贡献者：DAOctor @DAOrayaki
审核者：shaun @DAOrayaki
原文：How Anonymity Can Solve Group-Think and Bias in DAOs
讨论是DAO的关键要素之一。
协调成员之间的任务
提出和讨论想法及提案
由于提案有效地指导了 DAO 的决策和财务支出，以至于在审议阶段DAO很容易受到影响力的攻击。
这是一个经典问题，游说者使用不同的策略来影响提案的决策。例如：交换条件、贿赂、胁迫、勒索等。
我们相信，在提案的创建、审议和投票过程中，真正的匿名性可以解决大多数的影响力攻击。
Waves创始人发布的VVXTNLP Token套利提案已获得通过:金色财经报道，Waves创始人Sasha Ivanov（Aleksandr Ivanov）发布的VVXTNLP Token套利提案已获得通过。提案将提议将一部分国库资金分配给一项回购VVXTNLP代币的计划。该提案由DAO治理委员会成员进行投票，投票期为5天。[2023/5/29 9:48:05]
研究发现 DAO 在创建和审议提案时面临的三个挑战。
由于DAO 由具有不同知识水平的参与者组成，因此：
许多成员无法准确评估复杂的提案
即使简单的提案，用户也无法判断某些动作的二阶和三阶效应
成员们缺乏动力去花时间熟悉提案以做出更明智的决策
进一步导致在评估期间缺乏参与，并且对提案的批评不太有效。
没有时间或专业知识研究提案，时间或知识储备不足的用户依赖于来自高地位成员的社交启发来判断提案是“好”还是“坏”。
Beanstalk Farms：关于开启Barn Raise的提案BFP-71已获投票通过:5月15日消息，算法稳定币项目Beanstalk Farms发推称，关于The Path Forward、Barn Raise Structure的提案BFP-71已经以100%的投票率通过。随着BFP-71的通过，Barn Raise将于6月6日下午4:00（UTC时间）开始，截至6月27日下午4:00（UTC时间）或直到所有NFT被售出。[2022/5/15 3:17:08]
这导致 DAO 决策根据身份（高或低）而不是提案优点来评估和接受。
有意识和无意识的偏见是学术界公认的问题，并且已被广泛研究。例如，与双盲审稿人相比，非盲审稿人更有可能接受著名作者或顶级机构的论文。
几十年来，学术界一直在与这种偏见作斗争，并已开始使用信息技术消除其审查系统中的偏见。
Nervos CKB 推出开发工具 Mandrake，可实现通过 UI 拖拽完成 dApp 开发:Nervos于近日推出开发工具Mandrake，利用Mandrake，开发者可实现通过简单的UI拖拽来完成dApp开发。MandrakeGUI编辑器的对象是一棵AnimagusAST树，可以通过拖拽进行编辑操作。AST树根包含Call节点和Stream节点两种点。
Mandrake支持跨平台使用，目前支持Web，macOS和Windows(Alphaquality)。构建AST并生成Animagus所需的ProtocolBuffers格式的文件，可供各种编程语言和框架使用。在Nervos发布的Q4Roadmap中，Nervos将在第四季度全面推进DeFi、基础设施和Layer2、开发者体验以及研究等方向。[2020/9/28]
然而，由于工具不足，DAOs 并没有解决这个问题。我们认为，可以首先概述 DAO 中参与者的动态来解决偏见。换句话说，DAO 既有明显的偏见—“超级明星”故意劫持提案，也有隐性的偏见，即提案不是仅根据优点来判断的。
黑客通过比特币钱包Electrum软件漏洞获取1600万美元比特币:GitHub用户“1400BitcoinStolen”8月30日表示，其比特币巨额款项现已消失在黑客攻击中。据悉，该用户使用的是比特币钱包Electrum软件，上次访问是在2017年。此后Electrum已经发布了安全更新，但该用户一直没有安装，因此他这回转移比特币之前，被提示更新和修补潜在问题。但当他根据提示操作的时候，该软件利用一个漏洞连接了黑客的服务器，1400枚BTC（价值1600万美元）随即从他的钱包中被取出，存入了黑客的钱包中。软件工程师Ben Kaufman对此解释说，因为Electrum是一个“轻量级客户端”，这意味着软件必须先连接到公共服务器，然后才能连接到区块链，而黑客则可以利用这个过程。（newsbtc）[2020/8/31]
动态 | SEC规定允许通过ICO筹集最多5000万美元:据coindoo消息，根据之前的一份报告，美国证券交易委员会发布了两项旨在增加密码使用的法规。这些规定使得公司有可能通过ICO筹集到5000万美元。这些规定被称为《注册条例》。[2018/11/26]
由于提案者的历史工作和可靠性，专家的提案更容易“信任”。
专家和非专家的意见和讨论质量存在差异
非专家缺乏时间或技能来正确阅读和理解提案。
TLDR：DAO 的专业知识具有内在优势，可用于帮助非专家
无论专业水平如何，地位高的成员绝对值得信。
用户融合了地位、专业知识和信任。例如，节点操作员可能具有较高的地位，但专业知识和信任度较低。
地位高的人自私地行事并得到承认
地位低的人为 DAO 的利益行事，但会被忽略
TLDR：DAO中的地位有固有的缺点，会降低讨论的价值
然而匿名性缺乏突出的、个性化的或不寻常的特征。
匿名从话语中剥夺了地位和专业知识的信号。
每个人的审查都会增加（高地位、低地位、专家和非专家）
增加了治理疲劳，所有职位都受到平等审查。
增加了垃圾邮件的风险。
在线信誉系统在减少疲劳和垃圾邮件方面有着成功的历史。具体来说，Stack Overflow 已被证明在Crowd文档和讨论方面非常成功。一般来说，专家在 Stack Overflow 上的行为和有效性也得到了研究和记录。
当 Anonymity 和 Reputation 结合时，一个具有理想属性的 Robust 讨论系统就出现了。即：
随着时间的推移积累的专业知识数量：
只有专家才能发提案（减少疲劳）
较少的专家可以 TLDR，赞成/反对提案和话题（减少疲劳）
专家可以调节垃圾邮件（减少垃圾邮件）
专家可以示意性地直接讨论（提案）
专家可以获得更多的专业点数（增加参与激励）
没有技能的用户（非专家）现在可以依赖有贡献历史的专家，而不会被依赖纯粹身份的非专家所左右。
参考文献：
Reviewer bias in single- versus double-blind peer review
Andrew Tomkins, Min Zhang, and William D. Heavlin
Nobel and novice: Author prominence affects peer review
Jürgen Huber, Sabiou Inoua, Rudolf Kerschbamer and Vernon L. Smith
Understanding and supporting anonymity policies in peer review
Syavash Nobarany and Kellogg S. Booth
Crowd documentation: Exploring the coverage and the dynamics of API discussions on Stack Overflow
Georgia Technical Report
Towards Dynamic Interaction-Based Reputation Models
A. Melnikov, J. Lee, V. Rivera, M. Mazzara and L. Longo
The Importance of Reputation for the Evolution of Decentralization
Craig Calcaterra, Wulf A. Kaal
金色财经
金色早8点
澎湃新闻
Odaily星球日报
Arcane Labs
深潮TechFlow
欧科云链
链得得
MarsBit
BTCStudy
郑重声明： 本文版权归原作者所有， 转载文章仅为传播更多信息之目的， 如作者信息标记有误， 请第一时间联系我们修改或删除， 多谢。