一、DAO中的影响力攻击
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。
二、链上治理系统中的人格偏见问题
研究发现DAO在创建和审议提案时面临的三个挑战。
Union of Free Daos（UFD）宣布已上线BSC链:据官方消息，Union of Free Daos（UFD）宣布已于2023年3月31日正式上线BSC链，首日交易量高达300万u，价格涨幅1541%。“UFD”是以区块链协议价值资产和多链合约生态价值应用落地为前提，联合更多区块链世界的优秀DAO组织资源，由一群UFD联盟矿主们联合发起，他们将通过UFD联盟DAO组织，和区块链协议合约生态联盟价值应用革新，以实现改变区块链世界金融生态的格局。[2023/4/2 13:39:56]
1）DAO成员的技术和知识不对称
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。2）过度依赖身份来评估提案
GnosisDAO联合创始人发起将Uniswapv3部署到Gnosis Chain的民意投票:金色财经消息，GnosisDAO联合创始人Stefan George发起是否将Uniswapv3部署到Gnosis Chain的民意投票，并建议为流动性挖矿计划提供最高1000万美元的资金。（gov.uniswap.org）[2022/3/22 14:11:43]
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”。
3）评论中的身份和偏见问题
这导致DAO决策根据身份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。
Domino's Pizza前副总裁加入FriesDAO:2月10日消息，FriesDAO今天宣布Domino's Pizza的前副总裁Kory Spiroff已加入该集团担任顾问。据悉，FriesDAO旨在让加密社区有机会参与社区管理的餐厅特许经营，FriesDAO使用其基于以太坊的FRIES代币进行DAO的治理。（Decrypt）[2022/2/10 9:42:03]
三、通过匿名技术解决偏见
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。
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。
Makerdao官方：DAI供应量已超7亿枚:Makerdao官方发布微博称，稳定币DAI的供应量已经超过7亿枚。[2020/9/19]
1）专家：在特定领域具有高技能、知识或贡献的人。
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2）地位：相对的社会或职业地位；
去中心化组织PieDAO发布USD++ Balancer池:在Balancer协议上构建多样化代币池的去中心化组织PieDAO在周二宣布主网发布USD++池。该池将几个与美元挂钩的顶级稳定币组合成一个可交易的代币。USD++池将包含DAI、sUSD、TUSD和USDC。USDC将占USD++池的47%以上，而sUSD权重最低，不到4%。
加权策略旨在为中长期持有者创造低波动性和信任最小化。（Decrypt）[2020/6/18]
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3）高地位成员的提案带有内在的积极偏见
4）低地位成员的提案带有固有的负面偏见。
TLDR：DAO中的地位有固有的缺点，会降低讨论的价值
四、引入匿名，将会发生么？
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
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，StackOverflow已被证明在Crowd文档和讨论方面非常成功。一般来说，专家在StackOverflow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较少的专家可以TLDR，赞成/反对提案和话题专家可以调节垃圾邮件专家可以示意性地直接讨论专家可以获得更多的专业点数没有技能的用户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：
Reviewerbiasinsingle-versusdouble-blindpeerreview
AndrewTomkins,MinZhang,andWilliamD.Heavlin
Nobelandnovice:Authorprominenceaffectspeerreview?
JürgenHuber,SabiouInoua,RudolfKerschbamerandVernonL.Smith
Understandingandsupportinganonymitypoliciesinpeerreview
SyavashNobaranyandKelloggS.Booth
Crowddocumentation:ExploringthecoverageandthedynamicsofAPIdiscussionsonStackOverflow
GeorgiaTechnicalReport
TowardsDynamicInteraction-BasedReputationModels
A.Melnikov,J.Lee,V.Rivera,M.MazzaraandL.Longo
TheImportanceofReputationfortheEvolutionofDecentralization
CraigCalcaterra,WulfA.Kaal
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。