这两天在更深入的了解#openledger ，啃白皮书啃得牙齿都快崩了。看完后整个叙事层面很丰满，但细想一下，我又觉得现实很骨感。为什么这么说呢？看完白皮书我在想：这个系统它怎么验证数据源的真实性？如何“去伪存真”？是通过什么规则/机制或者算法来解决这个问题？带着疑问我又去翻看白皮书，没有找到答案！

@OpenLedger 白皮书叙事很好，号称能够实现可验证的实时归因，确保贡献者获得的奖励与其数据对模型推理的影响成正⽐。它抑制了低质量输⼊，并促进了⾼影响⼒、可验证数据集的收集和整理。拉长时间周期来看，$OPEN 利在未来。但眼前的问题绕不过去。

如何抑制低质量输入？先不说数据归因该项目还没有落地，即便未来这些都落地了，数据源如何“去伪存真”便是摆在面前绕不开的问题，抛开这个问题账本算得再清楚再明白都毫无意义,更妄谈项目价值。

这让我想起3.15的GEO“投毒”新闻，恶意伪造数据源，操作AI，影响模型行为，何等恶劣的破坏行为呀。不解决“去伪存真”的问题，按照这个项目的叙事实现逻辑，那这类“投毒者”是不是可能在未来的AI浪潮中获得更多的经济奖励？这成了变相鼓励人破坏AI健康生态环境，这不该是这个项目的初衷。归因证明是很有必要，账本也更有必要算清楚。但是这些都应该建立在数据源可验证的前提下。

 总之一句话，数据源“去伪存真”的问题未解决，账算得再明白都没有用（况且项目组尚且还未能把数据归因落地等叙事落地呢），叙事再好都是扯淡！