第六章 贡献认定机制

6.1 认定的核心挑战

贡献认定是 GMC 最关键也最困难的环节。核心挑战在于：

• 贡献有客观的（可量化），也有主观的（需评价）
• 客观计量天然抗作弊，但覆盖面窄
• 主观评价覆盖面广，但容易被操控（类似网店刷星）

6.2 两种获取方式

方式一：客观计量

基于可验证的客观指标，系统自动铸造 Merit：

计量维度	示例	特点
按量	接待客户数、交付方案数	可审计、抗作弊
按时	服务工时、在线时长	时间戳可验证
按产出	代码提交、文档产出	链上可追溯

优势：自动、高效、作弊难度高。 局限：无法覆盖所有类型的贡献。

方式二：任务悬赏

预设 Merit 给特定任务，完成后由干系人投票认定：

1. 发布：明确任务目标、Merit 奖励、影响期限
2. 执行：执行者完成任务并提交成果
3. 投票：干系人投票判断是否达标
4. 铸造：通过后系统铸造 MeriToken

6.3 干系人机制

谁是干系人

与某次贡献相关的利益相关方。例如：

• 一个政务咨询 coFay 的贡献度 → 由其用户集体投票
• 一个开源项目的贡献 → 由项目的使用者和协作者投票

关键规则：排除高亲密度者

由于 GMC 记录了社会关系网，系统可以：

1. 识别与贡献者亲密度超过阈值的人
2. 将这些人从投票池中排除
3. 从剩余干系人中选取投票者

这是防止"自己人给自己人投票"的核心机制。

共识通过条件

• 设置比例阈值（如 2/3 多数）
• 投票权重与投票者自身 MeriToken 挂钩
• 超过阈值即通过，系统自动铸造

6.4 影响期限的确定

每次贡献认定时，需同时确定影响期限：

确定方式	适用场景
贡献类型预设	客观计量（如客服接待 = 30 天）
任务发布者设定	任务悬赏
投票者共同决定	社区共识

影响期限决定了该批次 Merit 的衰减速度。

6.5 反作弊策略

讨论中的核心问题：Bitcoin 挖矿是纯客观计量，天然抗作弊。但 GMC 包含主观评价，如何防止刷星？

思路：不是消除主观性，而是让作弊成本远高于收益。

防护组合：

1. 亲密度排除：排除与被评价者关系密切的投票者
2. MeriToken 加权：高信誉者投票更有分量，作弊者需先积累大量真实信誉
3. 投票行为审计：频繁给特定对象投赞成票 → 标记异常
4. 随机抽样：从干系人中随机抽取投票者，降低串通可能
5. 事后追溯：发现作弊后可通过惩罚机制追溯处理

设计原则

尽可能将贡献拆解为可客观计量的部分，减少主观评价的比重：

• 优先客观计量（自动、高效、抗作弊）
• 主观评价仅用于无法客观量化的场景
• 主观评价通过多重防护降低作弊风险

6.6 讨论备注

贡献认定的设计权衡：

• 效率 vs 公正：客观计量高效但窄，主观评价全面但易被操控
• 参与度 vs 质量：降低投票门槛增加参与度，但可能降低评价质量
• 当前方案："客观优先 + 主观补充 + 多重防护"
• 延伸问题：Merit 如何凭空产生？→ 见经济模型章节