RIO_X

我已經盯着 ZKML 的開銷數字看了好幾天了，真正引人注目的部分是：這個限制會以多麼直接的方式，決定哪些用例才真正適合它……這就是其中的機制。ZKML 比標準執行帶來 1000 到 10000 倍的計算開銷。OpenGradient 自己的設計也坦誠地承認這一點：ZKML 建議用於更小、且對風險高度敏感的模型，而不是用於大型生成模型——對於那類場景，原生驗證或 TEE 驗證通常更合適。開銷會隨着模型複雜度而擴展，因此在目前，這種特定驗證方式對最大規模的 LLM 來說也是最不匹配的……小模型。大保障……我認爲被忽略的是：這並不是 OpenGradient 實現上的缺陷，而是整個行業範圍內、零知識證明系統普遍存在的當前限制。以今天來看，參數量只有幾百的風險模型是現實的 ZKML 目標，但 700 億參數的 LLM 則不是——無論是誰來運行它……
我還挺欣賞 OpenGradient 並沒有把 ZKML 過度吹成“萬能答案”，僅僅因爲它在紙面上聽起來是最強的保證。把驗證方法與模型規模匹配，纔是更誠實的工程選擇……
但我不會假裝這個限制只是純理論。它意味着：許多面向高風險場景的 AI 工作，人們確實想要“現在就能用到的”最大程度驗證；但大規模 LLM 推理要做到 ZKML 級別的證明，目前還做不到，只能用 TEE 認證……
我曾看過有人在一次評估中堅持爲某個工作負載選擇“最安全”的方案，然而實際可行的更合適方法其實更匹配他們的用例——只是它在紙面上聽起來更弱……
我仍然無法弄清楚的一點是：隨着證明系統成熟，ZKML 的開銷比可能會被壓縮到多大，以及 OpenGradient 是否有任何與這種具體改進相關的路線圖時間表？
@OpenGradient
$OPG #OPG

已經坐在 Twin.fun 的手續費分配上幾天了，而真正讓人印象深刻的是：這兩筆費用是刻意朝不同方向拉扯的……
這就是機制。每一筆 Twin.fun 的交易都會觸發兩種獨立的費用：一筆進入協議金庫（treasury），另一筆直接給雙子（twin）的創作者（creator）。協議費用用來資助更廣泛的 OpenGradient 生態系；而標的費用則是獎勵那位雙子正在被交易的特定人物。它們在結構上彼此不同，即使它們在同一筆交易中同時觸發……
兩筆費用。
兩種用途……
我覺得被忽略的點是：為什麼把費用拆開，而不是把所有費用都導向同一個金庫，實際上會影響行為。創作者能直接從自己雙子的交易活動中獲利，這會讓他有個個人動機去維持那個雙子持續活躍——而且是獨立於 OpenGradient 在平台層級做什麼。這一筆對齊協議，那一筆對齊個人……
我其實喜歡這樣的設計：它避免了常見的陷阱，也就是所有平台手續費都流進同一個大池子，而個別創作者看不到自己人氣帶來的任何上行空間。OpenGradient 把創作者的直接激勵，直接嵌入到交易本身中……
但我不會假裝雙重手續費就能讓創作者激勵完全到位。若某個雙子從未變得有人氣，它對創作者幾乎不會產生任何收益——不論費用拆分怎麼設計；只有在交易量真的出現之後，拆分才開始真正重要……
我曾看過一個內容平台把每一筆費用都導向單一的企業池子，如果有任何分潤，創作者也要幾個月後才拿到，而且跟他們自己觀眾的實際活動沒有直接連結……
我目前還想不通的是：協議費用與標的費用的比例，是否在整個網路範圍內是固定的？還是會因為不同雙子或不同創作者協議而有所變動？？
@OpenGradient $OPG

#OPG

已經好幾天了，一直在針對 OpenGradient 的 token 稽核所發現的那一項 QA 問題逐字看著，而真正特別突出的地方是：實務上「floating pragma（浮動版本宣告）」到底有多小……這裡是機制。所謂 floating pragma 是指：智慧合約的 Solidity 版本沒有鎖定到單一特定編譯器版本，而是允許一個版本範圍。風險是微妙的——不同編譯器版本可能引入不同的行為或 bug 修正，因此一份合約今天編譯完全沒問題，理論上在之後若再次用該允許範圍內的其他編譯器版本部署時，可能會出現不同的編譯結果。OpenGradientToken.sol 在稽核結束前就被標出來並修正完成了……
小問題、已完全解決……
我覺得容易被忽略的是：這正是你希望稽核能抓到的那種問題。它不是關鍵性的漏洞，而是最佳實務上的缺口，若有一天被忽視，可能會變得重要。正因為是那些「無聊」的發現，才更能證明這份稽核其實真的做得夠細，而不是只是走過場的「蓋章」而已……
我也蠻喜歡 OpenGradient 的稽核報告不是用「沒有發現問題」這種模糊說法帶過，而是點名了這個具體、細微的項目，並且有可驗證的內容。相較於看起來過於「乾淨到可疑」的報告，點名且已修正的小問題會更令人信服……
但我也不會假裝：已解決的那一項 QA 發現就能告訴你合約長期安全性的全部。稽核是某一個時間點的快照；OpenGradient 的其他合約以及任何未來升級，都需要各自再被獨立審視……
我曾經審過一份合約，當時有 floating pragma，直到好幾年後編譯器更新才有人發現，結果竟真的讓執行時行為改變成沒人預期的樣子。
我仍然無法確定的是：OpenGradient 接下來是否會把 pragma 鎖定用於生態系中任何新合約，還是這只是針對 token 合約這一次性的修正而已？
@OpenGradient $OPG

#OPG

我這幾天一直在思考 OpenGradient 如何將支付與證明綁定，而真正突出的一部分是支付哈希不僅僅是一個收據....
這裡的機制是，每次通過 OpenGradient 的可驗證推論調用都會返回一個支付哈希，連同聊天輸出，這是該具體交易的鏈上記錄。這不僅僅是在確認資金的流動，而是將支付直接鏈接到它所支付的特定推論調用。如果你運行了一個 ZKML 推論，那麼你會得到一個與證明本身綁定的交易哈希，而不僅僅是支付....
收據。這也是證據....
我認為被忽略的一點是，為什麼將支付和證明捆綁在一起在經濟上是重要的。在大多數系統中，你先支付，然後單獨信任結果，這是兩個沒有加密鏈接的獨立事件。OpenGradient 將這兩者綁在一起，因此支付的記錄也是驗證結果的記錄的一部分....
我實際上喜歡這一點，它彌補了大多數「按 API 調用付費」系統所面臨的差距。當支付記錄和執行記錄是同一鏈上對象時，你無法輕易質疑你所支付的內容....
但我不會假裝這消除了所有爭議的潛力。哈希證明了一個調用發生並已支付，但它不會自動證明輸出質量達到你的預期，這些仍然是獨立的判斷.... $SNX
因為一次 API 調用默默失敗而被收費，並且不得不為零記錄的退款而抗爭，無法證明他們那邊實際發生了什麼。
我仍然無法解決的是 OpenGradient 的支付哈希是否包含足夠的細節來自動爭議失敗的推論，還是這仍然是一個手動支持過程？？
@OpenGradient $OPG $BAS

#OPG

我已經和OpenGradient的能源組合披露討論了好幾天，真正引人注目的是“可再生”能源在列出的來源之間分佈得有多不均勻……
這是機制。OpenGradient的MiCAR可持續性申報分解了網絡的能源組合，包括天然氣、煤炭、核能、風能、太陽能、水能、生物能和幾個小類別。可再生能源大約佔總組合的三分之一，當你把風能、太陽能、水能和生物能加在一起時。其餘部分則是天然氣、煤炭和核能，其中天然氣是單一最大的來源……
三分之一的可再生能源。這並不是整個畫面……
我認爲被忽略的是，這個數字來自於同行小組的估算方法，而不是對實際節點硬件的直接測量。由於在研究時代幣沒有活動，能源強度是相對於其他在Base上具有類似市值的ERC-20代幣進行近似的。這與測量實際節點的電力消耗是截然不同的……
我實際上喜歡OpenGradient直接披露方法論的限制，而不是把一個估算數字呈現得像是測量的事實。大多數加密貨幣的可持續性聲明並沒有承認它們實際上是估計的…… $BEAT
但我不會假裝基於估算的可再生百分比能告訴你多少關於現實世界影響的信息。這個數字可能會發生變化，一旦OpenGradient擁有實際的主網活動來測量，而不是依賴同行小組的代理……
我曾經閱讀過其他項目的“100%可再生”聲明，發現方法論埋在腳註中，承認這只是一個粗略估計，而不是真實測量…… $HEI
我依然無法解決的是，一旦真正的CometBFT驗證者活動超越測試網水平並被直接測量，而不是估算，這個可再生百分比可能會有多少變化？？
@OpenGradient $OPG
#OPG

我這幾天一直在使用 PriceForecast AlphaSense，真正讓我印象深刻的是它的聲明與大多數"AI價格預測"產品的承諾相比，實在是太窄了......
機制是這樣的：PriceForecast AlphaSense 專門使用時間序列機器學習模型進行現貨回報預測。這是四個 AlphaSense 工作流中的一個信號，而不是一個通用的市場預測預言機。推斷通過 OpenGradient 的可驗證層進行，因此預測本身帶有 TEE 或 ZKML 認證，證明模型確實是在真實輸入上運行，而不是隨便從某個不可驗證的地方提取的數字......
一個預測，而不是一個承諾......
我認爲被忽視的是，這裏的可驗證性並不使預測更準確，而是使過程更誠實。你可以確認模型運行併產生了這個具體的輸出，但你仍然無法確認輸出一定是正確的。這是兩個完全獨立的特性，大多數"AI交易信號"產品故意將其模糊在一起......
我實際上喜歡 OpenGradient 不將其營銷爲一個保證的優勢。它被框定爲一個可驗證的信號，而不是回報的承諾，這比大多數自稱爲 AI 價格預測的東西更誠實......
但我不會假裝經過驗證的預測解決了實際的難題。市場是嘈雜的，時間序列模型常常會錯過制度變更，認證證明了執行，而不是預測技能......
我曾爲一個"經過驗證的"交易信號服務付費，結果發現所謂的驗證只是"我們運行了它"，而不是"它有效"。
我仍然無法解決的是 PriceForecast AlphaSense 實際上針對的時間範圍是什麼，日內、每日、每週，因爲這會改變預測的實際用途？？
@OpenGradient $OPG $RE

#OPG

我已經拿著審計結果幾天了，實際上突出的部分是結果有多平淡....
這裡是機制。OpenGradient 的代幣合約 OpenGradientToken.sol 經過了一次完整的第三方安全審計。結果是「安全的」。出現了一個 QA 發現——一個浮動的 pragma——在報告結束之前已經完全解決。沒有發現進一步的漏洞，代碼庫穩健且經過充分測試....
清潔的審計，無聊是好的....$SYN
我認為被忽視的是「無聊」正是代幣合約審計的正確結果。沒有任何發現的合約要麼意味著沒有仔細測試，要麼意味著代碼確實經得起考驗。一個小的 QA 註解被修正實際上比一份完全乾淨的報告更能支撐第二種情況，因為那樣的報告根本沒有任何標記....
我其實喜歡 OpenGradient 公布審計結果，而不是僅僅說「我們已經被審計過了」，卻沒有具體細節。一個具名的問題及其解決方案比模糊的健康證明更具可信度....
但我不會假裝審計涵蓋了一切。OpenGradientToken.sol 的安全性對於更廣泛的網絡合約、ITEERegistry 和結算邏輯並沒有任何說明，這些都是有自己風險的獨立面....
曾經讀過一個「完全審計過」的項目報告，結果只有三段，根本沒有列出任何實際發現....
我仍然無法解決的是，OpenGradient 的其他核心合約，特別是註冊和結算層，是否有發布與代幣合約同樣詳細的審計？？
@OpenGradient $OPG $UB

#OPG

我這幾天一直在使用 Markowitz AlphaSense 的工作流程，讓我印象深刻的部分是其底層數學的古老程度，與其周圍的驗證層相比，實在是新得多....
這裡的機制是，OpenGradient 的 Markowitz AlphaSense 執行均值-方差優化，以生成最佳的投資組合位置。這個數學模型本身已有幾十年的歷史，是現代投資組合理論，平衡預期收益與方差。OpenGradient 添加的不是一種新的優化技術，而是一個圍繞已知技術的可驗證執行層 - + TEE 或 ZKML 證明優化確實是基於它所聲稱的輸入運行的....
舊的數學.新的保證.... $BTW
我認為這個區別對於一個自主做出配置決策的代理人來說，為什麼重要是被忽略了。如果一個投資組合代理聲稱它執行了均值-方差優化並產生了特定的配置，通常沒有辦法驗證它沒有隨便編造輸出。OpenGradient 首先針對這個比較成熟的技術填補了這個特定的空白，而不是試著驗證一些奇特且未經證實的東西....$RE
我其實很喜歡它們選擇了一個無聊、值得信賴的算法來驗證，而不是一些花俏的東西。驗證每個人都已經信任的數學，能增強對驗證層本身的信心....
但我不會假裝均值-方差優化即使在可驗證執行的情況下是無懈可擊的。這個技術對其輸入假設非常敏感——在不良輸入上的經過驗證的優化仍然會產生不良配置....
曾經相信一個舊的投資組合再平衡工具，結果它在我不知情的情況下默默使用陳舊的協方差數據幾個月....
我仍然無法解決的問題是，OpenGradient 的 Markowitz AlphaSense 是否讓你驗證供應給優化的輸入數據，還是僅僅驗證優化本身在所提供的任何輸入上正確執行？?
@OpenGradient $OPG

#OPG

這幾天我在思考這個OpenGradient設計選擇，真正突出的部分是你不需要爲整個應用選擇一個驗證級別....
這是機制。在OpenGradient中，一個原子交易可以混合驗證方法 - TEE用於LLM推理，ZKML用於風險模型，普通的用於分析，所有這些都一起結算。網絡並不強迫你在所有操作中使用一個信任級別....
混合驗證。一筆交易....
我認爲被忽視的是，這與大多數"可驗證AI"的提案相比是多麼不尋常，它們只是選擇一種方法並將其應用於所有地方。OpenGradient將信任級別視爲每個組件的決定，而不是平臺範圍內的決定....$RE
我實際上喜歡OPG結算的方式，無論底層使用了哪種驗證方法，過程都是相同的 - 複雜性由協議吸收，而不是推給選擇方法的開發者....
但我不會假裝混合驗證方法是沒有權衡的。在一個交易中組合TEE和ZKML仍然意味着最慢的組件，通常是ZKML部分，設定了整體延遲的底線....$BTW
我曾經構建過一個管道，混合了快速和慢速驗證步驟，痛苦地學到慢的步驟總是勝出。
我仍然無法解決的問題是，OpenGradient是否允許開發者在一個混合驗證交易中設置每個組件的超時限制，還是整個過程默認等候最慢的部分？？
@OpenGradient
$OPG #OPG

我在@OpenGradient 上和AlphaSense坐了幾天，實際上突出的部分是每個單獨工作流程的設計是多麼狹窄……
這是機制。它不是一個通用的信號生成器。AlphaSense的波動性提供持續的風險管理和費用擴展預測。價格預測運行時間序列模型以預測現貨回報。sybil AlphaSense標記可疑的錢包模式。markowitz AlphaSense處理均值-方差投資組合優化。四個獨立、狹窄的工具，而不是一個全能模型……
狹窄工具。可驗證的輸出……
我認爲被忽視的是爲什麼狹窄在這裏很重要。一個試圖做所有事情的模型更難以驗證，更難以審計，當出現問題時更難以信任。四個小的可驗證部分勝過一個大的不可驗證部分……
我實際上喜歡這種設計抵制將所有內容捆綁成一個單一的"AI信號"黑箱的衝動。在這裏的具體性並不是限制，而是整個要點……
但我不會假裝狹窄的範圍意味着沒有風險。一個校準不當的波動性模型即使有TEE證明它運行正確，仍然是校準不當的……
曾經使用過一個黑箱風險模型，團隊中的任何人都無法在最重要的時候實際解釋。
我仍然無法解決的是這四個AlphaSense工作流程是否可以組合在一起進行單一決策，或者每一個都是獨立消費的？？
$OPG

#OPG

我已經坐在節點架構上幾天了，實際上讓我意識到的部分是它的設計故意不均勻……這是機制。全節點維護賬本，運行CometBFT共識，驗證TEE證明和ZKML證明，並管理支付結算。它們運行在普通硬件上，不需要GPU，並且從不直接接觸用戶數據。推理節點則正好相反——無狀態的GPU工作者，實際執行模型並直接將結果返回給用戶……兩個角色，零重疊。我認爲大多數人錯過的是，這種分割正是保持網絡去中心化的原因。如果每個節點都需要GPU，驗證者集合就會縮小到能夠負擔這種硬件的人。將全節點保持在普通機器上意味着共識保持開放，而只有推理層需要專門的設備……我實際上喜歡處理最重的計算工作和信任關鍵工作的是完全不同的機器。這種分離感覺是故意的，而不是偶然的……但我不會假裝硬件異構本身能解決去中心化的問題。GPU推理節點仍然集中在擁有便宜電力和硬件訪問的人周圍，即使驗證者不需要……我曾經在普通硬件上爲另一個鏈運行過一個驗證者，並快速瞭解這降低了實際參與的門檻。我仍然無法解決的問題是，推理節點是否有最低的質押或硬件門檻，具體與全節點註冊所需的任何東西分開？？@OpenGradient $OPG

#OPG

已經和x402坐了幾天，真正讓我明白的是它不是一個新的支付系統，而是一箇舊的HTTP狀態碼終於被用上了，正如它本來應該被用的那樣....
這裏的機制是，x402擴展了標準HTTP，帶來了402支付要求的響應。客戶端發送請求，服務器用支付詳情迴應，而不是錯誤，客戶端用他們的錢包簽署支付載荷，帶着簽名重新提交到請求頭中，促進者合約在鏈上驗證後再執行....
通用訪問。通過證明來限制。
我覺得大多數人忽視的是鏈分裂。支付在Base Sepolia上結算，而實際的推理和證明結算髮生在OpenGradient網絡上。兩個不同的鏈做着兩項不同的工作，通過一個請求流程進行協調....
我覺得這種方式在某種程度上很乾淨。它在普通HTTP/REST上工作，所以任何編程語言都可以使用，而無需學習新的SDK....
但我不會假裝支付門檻就能單獨解決信任問題。支付證明了你已付款，但並不能證明網關後面的模型是否正確行爲，這仍然是TEE認證的工作....
我去年嘗試搭建一個支付門檻的API，結果建立了一個不斷崩潰的自定義發票系統。像這樣的標準化會讓我節省幾周的時間....
我仍然無法解決的是，如果客戶端付款而推理中途失敗——結算是否會自動反轉，還是客戶端需要手動爭議？？
@OpenGradient $OPG
#OPG

我已經和MemSync呆了幾天了，我一直關注的不是它的功能本身，而是它底層的基礎設施……
這是機制。MemSync從對話、文檔、網站、社交資料中提取記憶，全部使用TEE驗證的LLM調用。所以它不僅僅是在存儲你告訴它的東西。提取過程本身是經過加密證明的。然後，記憶被分類爲語義性持久事實，比如"谷歌的軟件工程師"，或者時間綁定的情節，比如"目前正在開發一個iOS應用"。這個區別很重要，因爲系統在檢索時會以不同的方式對待它們……
這不是一個數據庫，而是一個活生生的檔案。
然後還有語義搜索層，我覺得這是大多數人直到需要它時纔會考慮的部分。你使用自然語言查詢你的記憶，通過基於嵌入的相似性。你不必準確記住你告訴它的內容，它會爲你找到相關的上下文……
我在某種程度上覺得這很安慰。整個記憶管道在可驗證的基礎設施上運行：提取、分類、檔案生成、維護。這意味着構建你記憶檔案的AI本身是可驗證的，而不僅僅是存儲……
但我不會假裝可驗證的記憶提取和準確的記憶提取是一樣的。LLM決定什麼算作語義事實與情節事件可能仍會出現錯誤分類，這種情況可能會隨着時間的推移而加劇……
大約一年前，我開始使用一個流行的AI記憶工具，經過大約三個月後，我意識到它存儲的是表層觀察，而不是任何真正有用的東西。檢索速度快，但記憶很淺。這讓我更深入地思考提取質量究竟意味着什麼……
我仍然無法解決的是，如果一個情節事實過時，而一個新的事實與之矛盾，MemSync如何處理衝突的記憶？系統會覆蓋、標記衝突，還是同時保留兩個版本？
@OpenGradient $OPG
#OPG

$OPG #OPG
我已經關注OpenGradient Chat處理隱私的方式幾天了，反覆思考同一個問題：這其實並不是一個真正的隱私功能，而是一種隱私架構....
這是它的機制。你的消息在離開瀏覽器之前，會在你的設備上進行本地加密。密鑰不會傳輸，它們一直保留在你那裏。然後通過一個Oblivious HTTP中繼進行路由，這個中繼可以看到你的IP，但只接收密文。下游網關可以看到明文，但永遠無法看到你的IP。在這個鏈條中的任何一個環節都無法將你的身份與你所詢問的內容關聯起來....
兩個角色，而不是一個。
然後是第三層 - TEE網關。提示僅在可信執行環境中進行解密，並伴隨遠程證明。這個環境是經過驗證的，因此你可以實際驗證這個保證，而不是單純依賴他人的話....
我在某種程度上覺得這很令人安心。大多數隱私聲明都是政策，而這個則是在架構中強制執行的。這是一個不同類別的承諾....
但我不會假裝TEE證明是免疫的。如果出現根本的硬件漏洞，整個環境信任模型都會發生變化。這一點值得銘記....
我以昂貴的方式學到了這個區別。大約一年前，我使用了一個具有很好的政策但沒有可驗證基礎設施的私人AI工具。數據出現在了不該出現的地方。從那時起，我開始認真對待架構....
我仍然無法解決的問題是，OHTTP中繼的分離是否在同時攻破中繼操作員和網關的協調攻擊下依然有效？？
chat.opengradient.ai
@OpenGradient

@Bedrock 今天早上我又把這個撿起來了，因爲我一直在關注開源和實際安全之間的差距，且從未彌補這個差距……
事情是這樣的，我最終確定了。開放合約只回答一個問題，那就是系統被告知做什麼。你可以逐行閱讀邏輯。這真的很有價值……
但閱讀指令並不能證明一個代幣背後的資產真的存在。這是一個完全不同的問題，並且這是兩個問題中更安靜的一個。
所以 Bedrock 集成 Chainlink 儲備證明和安全鑄造正是針對第二個差距。它將代幣創建與可觀察的抵押數據聯繫起來，關鍵在於它把檢查放在鑄造邊界，在那裏額外的供應應該被阻止，而不是事後解釋……
我實際上認爲這是治理的最實用形式。不是投票戲劇，不是口號，而是縮減任何人被信任的盲目裁量的規則……
一個層面暴露了邏輯。另一個層面測試經濟現實是否仍然與之對齊。它們的工作不同，你需要兩個……
不過，我不會假裝透明等於免疫。代碼可能會出錯，數據源可能會掉線，集成可能設置錯誤……
我仍然無法解決的是，這種要求留下收據的信任的誠實版本是好的，但在系統真正受到壓力的第一次，它真的能保持嗎？？
$BR
#Bedrock

@Bedrock 今早我回到一個我半途而廢的問題，關於BR，即一個代幣在獎勵已經被領取後是否仍然有用……
在儀表盤內看起來很乾淨很簡單，但一旦代幣投入使用，這完全是另一回事……
這是設定。BR被描述爲核心公用代幣，用於激勵、治理和流動性提供。可交易，已集成到DeFi中用於借貸、流動性池。紙上的簡單陳述……
但是這些陳述將代幣推向了一個更嚴酷的環境。流動性提供者不在乎華麗的措辭。借貸市場不在乎意圖。借貸是暴露需求是否真實還是僅僅是來自排放的事情……
所以BR在池子和抵押品中的作用不是作爲功能列表的公用性，而是作爲一種暴露的公用性。它在真實行爲中符合旋轉、槓桿、流動性深度，用戶在獎勵停止感覺不值得風險時就會離開，就像$SPCXB 一樣。
Bedrock的質押流動性通過將獎勵與積極參與和流動性貢獻掛鉤來處理這個問題，而不是將流動性視爲次要的東西……
我實際上覺得這是更誠實的設計。在很多協議中，流動性只因爲排放足夠響亮而出現。將其與治理和對齊掛鉤更難僞造……
我仍然無法解決的是BR是否能在這些市場的壓力下生存，或者在激勵冷卻後悄然變成另一個農場對象？？
$BR
#Bedrock

@Bedrock 這兩個星期的週期我已經琢磨了幾天，因為越看越奇怪....
表面上這只是個日曆。重複的十四天。但這其實就是整個機制。第1週是投票階段，veBR持有者對決定代幣發放的指標進行投票。第2週是分配和認領，沒有投票，獎勵是根據前一個週期的結果計算的..
所以治理在這裡並不是某種稀有事件。每個週期都有一個重複的壓力點。
這是我一直在思考的部分。veBR是不可轉讓的，投票權的大小取決於你鎖定的時間長度。所以投票基本上是權衡耐心，承諾的時間越長，你的投票對發放的影響就越大....
但承諾並不自動意味著智慧。一個鎖定的頭寸仍然可以是自私的、懶惰的或只是錯的。這個設計並沒有消除自利，只是將其放在一個時間表上，並詢問重複參與是否隨著時間變得有用..
我實際上在狹義上覺得這個短循環讓人安心。投票發生，獎勵隨之而來，行為反應，下一個週期帶著新的證據到來。這是緊密到足以感受到的。
我仍然無法解決的是法定人數。只有1%的未發放的veBR必須參與，5%的投票能帶來變化。那麼這個週期實際上有多常是由一小部分活躍的少數決定的呢？？
$BR 。
#Bedrock

@Bedrock 在加密貨幣中，大多數代幣需求只是錢包裏的情緒。情緒上升，購買量上升，整個事情都建立在一種可以快速消失的感覺上。
結構性需求則表現得不同。
分層系統的理念在於需求不再是一個選擇。如果更高的層級解鎖了更好的訪問權限，而這種訪問需要持有和鎖定代幣，那麼流入金庫的資金就會機械性地從市場上拉走供應。這並不是因爲任何人感到看漲，而是因爲他們需要這個層級來獲得他們想要的東西。
我看過很多代幣純粹依賴故事運行，然後在故事變得無聊的瞬間就變得安靜。大約一年前，我終於注意到存活下來的代幣有一個共同特徵：你必須鎖定它們才能使用。那些可以隨意出售的代幣總是被賣掉。
所以分層擠壓很有趣，因爲它並不依賴於情感。更多的uniBTC資本想要進入意味着更多的BR被收購併鎖定，而流通供應量無聲無息地減少，無論任何人在這一週的感覺如何。$SPCXB
這符合Bedrock作爲比特幣資本的智能收益引擎的定位。對代幣的需求直接與對收益本身的需求掛鉤。
我認爲來自實用性的需求是唯一值得尊重的需求。其他一切都是借來的熱情，等待歸還。
所以，也許問題不在於$BR 是否可以上漲。也許問題在於，在興奮消退後，是否還有人需要繼續持有它。
$BR
#Bedrock