Se as provas de disponibilidade falharem com frequência no armazenamento descentralizado, ignorar as penalidades aos nós pode reduzir os riscos em 50% em um único epoch.

As estruturas do Walrus alinham os incentivos dos nós a um modelo de Proof-of-Stake delegado, onde os operadores apostam tokens WAL para ingressar em comitês de armazenamento, recebendo recompensas a partir das taxas de armazenamento pagas pelos usuários, distribuídas proporcionalmente ao final de cada epoch de 30 dias com base em métricas como respostas bem-sucedidas a desafios aleatórios de fragmentos—amostragens criptográficas de pedaços de 1KB de dados de blobs codificados em RedStuff que verificam a posse sem necessidade de downloads completos—enquanto nós com alta aposta recebem atribuições preferenciais de fragmentos proporcionais ao seu valor efetivo de aposta após ajustes pelas contribuições dos delegadores; as penalidades entram em ação em falhas como a ausência de mais de 50% dos desafios ou incapacidade de fornecer fragmentos durante solicitações de recuperação, acionando uma queima automática onde uma porcentagem da aposta WAL é queimada (por exemplo, 10-30%, dependendo da severidade definida pela governança), com redistribuição parcial para nós honestos para desencorajar coligações, e deslocamentos de aposta de curto prazo gerando taxas adicionais de queima para cobrir os custos de migração de dados e favorecer o compromisso de longo prazo em vez de flutuações especulativas.

Os delegadores apostam WAL em qualquer nó usando contratos inteligentes Sui, compartilhando recompensas por epoch com base na taxa de sucesso do PoA do nó (2/3 de quórum de confirmações para certificação de blob). Esse dinâmica de compartilhamento de risco alinha os interesses do usuário, delegador e operador por meio de provas verificáveis em blockchain ligadas a objetos de metadados de blob contendo hashes de ID, tamanhos e tokens WAL.

Para ganhar taxas de conjunto de dados armazenados, um treinador de modelo distribui WAL para um nó validado com 95% de tempo de atividade PoA. As penalidades por indisponibilidade incentivam recuperações rápidas para minimizar perdas de aposta durante os epochs de treinamento, mas os incentivos do nó mantêm o cuidado constante com os fragmentos.

Como a alteração nas votações de governança WAL sobre a redução do limite afetará os incentivos de participação e a dissuasão de penalidades nos nós da pipeline de dados do Walrus AI?

@Walrus 🦭/acc $WAL #Walrus