一、DAO里的知名度进攻

探讨是DAO的关键因素之一。

• 融洽组员间的每日任务
• 明确提出讨论念头及提案

因为提案高效地具体指导了 DAO 决策和财务支出，以至于在决议环节DAO很容易受到知名度的进攻。

这是一个经典问题，劝谏者使用不同的对策来影响提案决策。比如：阴谋、行贿、威逼、敲诈勒索等。

我始终相信，在提案的建立、决议和网络投票环节中，真正意义上的匿名性能解决大部分影响力进攻。

二、链上整治系统中人格特质偏见难题

研究表明 DAO 在创建和决议提案时所面临的三个考验。

1）DAO 组员的技术和专业知识不一样

因为DAO 由具有不同认知水平的参与人构成，因而：

• 很多组员无法准确评定繁杂的提案
• 即便简单提案，客户也无法断定一些动作二阶和三阶效用
• 全体成员欠缺驱动力去花费时间了解提案以进行更明智的选择管理决策
• 进一步以至于在评定期内欠缺参加，同时对提案的批评不是很合理。

2）过分依赖真实身份来评价提案

没时间或专业技能科学研究提案，时间或知识储备不足的消费者取决于来源于高地位组员社交启迪来判定提案是“好”或是“坏”。

3）评价里的身份和偏见难题

这就导致 DAO 管理决策依据真实身份（高或低）而非提案优势来评价和理解。

有目的和无意识地偏见是学界公认难题，而且已经被普遍科学研究。比如，与双盲实验评审人对比，非盲评审人更可能接纳知名作者或顶尖机构毕业论文[1-3]。

三、根据匿名技术性处理偏见

几十年来，学界一直在和这类偏见抗争，并且已经广泛使用信息科技清除其核查系统中偏见。

但是，因为专用工具不够，DAOs 并没解决这些问题。对于我们来说，能够最先简述 DAO 中参加者动态性去解决偏见。也就是说，DAO 不仅有很明显的偏见—“超级巨星”有意挟持提案，也是有潜在的偏见，即提案并不是仅依据优势来判定的。

1）专家：在一定领域具有高技能人才、专业知识或功绩得人。

• 因为提案者历史时间工作与稳定性，专家的提案比较容易“信赖”。
• 专家与非专家的建议和探讨品质有所差异
• 非专家欠缺时间或专业技能来恰当阅读文章与理解提案。
• TLDR：DAO 理论知识具备内在优势，适合于协助非专家

2）地位：相对应的社会发展或岗位地位；

• 不管专业水平怎样，地位强的组员肯定非常值得信。
• 客户融入了地位、理论知识和信赖。比如，连接点操作工很有可能具有很高的地位，但理论知识和信任感比较低。
• 地位强的人自私地做事并获得认可
• 地位低的人为 DAO 利益做事，但能被忽视

3）高地位成员提案含有内在积极主动偏见（高信任感，低核查度）

4）低地位成员提案含有固有消极偏见（低信任感，无能见度）。

TLDR：DAO里的地位有原有的缺陷，也会降低探讨的使用价值

四、引进匿名，可能产生么？

但是匿名性欠缺显著的、个性化或不同寻常的特点。

• 匿名从言语中夺走了地位和专业知识数据信号。
• 每一个人核查都会增加（高地位、低地位、专家与非专家）

• 增强了整治疲惫，全部岗位都受到了公平核查。
• 增强了垃圾短信风险。

线上信誉系统在降低疲劳和垃圾短信方面有取得成功历史。从总体上，Stack Overflow 已经被证实在Crowd文本文档讨论层面很成功。一般来说，专家在 Stack Overflow 里的行为表现实效性也获得了科学研究和记录[4-5]。

当 Anonymity 和 Reputation 融合时，一个具有理想化属性 Robust 探讨系统软件出现了[6]。即：

• 随着时间推移积淀理论知识总数：
• 仅有专家才可以发提案（降低疲惫）
• 较小的专家能够 TLDR，赞同/抵制提案和话题讨论（降低疲惫）
• 专家可调节垃圾短信（降低垃圾短信）
• 专家能够示意性地立即探讨（提案）
• 专家能够获得更多技术专业等级（提升参加鼓励）
• 并没有技能客户（非专家）现在能依靠做出贡献人类的历史专家，而不被依靠单纯身份非专家所影响。

来源：Xiaoz