第六章 貢獻認定機制

6.1 認定的核心挑戰

貢獻認定是 GMC 最關鍵也最困難的環節。核心挑戰在於：

• 貢獻有客觀的（可量化），也有主觀的（需評價）
• 客觀計量天然抗作弊，但覆蓋面窄
• 主觀評價覆蓋面廣，但容易被操控（類似網路商店刷星）

6.2 兩種取得方式

方式一：客觀計量

基於可驗證的客觀指標，系統自動鑄造 Merit：

計量維度	示例	特點
按量	接待客戶數、交付方案數	可稽核、抗作弊
按時	服務工時、上線時長	時間戳可驗證
按產出	程式碼提交、文件產出	鏈上可追溯

優勢：自動、高效、作弊難度高。 侷限：無法覆蓋所有類型的貢獻。

方式二：任務懸賞

預設 Merit 給特定任務，完成後由幹係人投票認定：

1. 發布：明確任務目標、Merit 獎勵、影響期限
2. 執行：執行者完成任務並提交成果
3. 投票：幹係人投票判斷是否達標
4. 鑄造：通過後系統鑄造 MeriToken

6.3 幹係人機制

誰是幹係人

與某次貢獻相關的利害關係方。例如：

• 一個政務諮詢 coFay 的貢獻度 → 由其使用者集體投票
• 一個開源專案的貢獻 → 由專案的使用者和協作者投票

關鍵規則：排除高親密度者

由於 GMC 記錄了社會關係網，系統可以：

1. 識別與貢獻者親密度超過閾值的人
2. 將這些人從投票池中排除
3. 從剩餘幹係人中選取投票者

這是防止「自己人給自己人投票」的核心機制。

共識通過條件

• 設置比例閾值（如 2/3 多數）
• 投票權重與投票者自身 MeriToken 掛鉤
• 超過閾值即通過，系統自動鑄造

6.4 影響期限的確定

每次貢獻認定時，需同時確定影響期限：

確定方式	適用場景
貢獻類型預設	客觀計量（如客服接待 = 30 天）
任務發布者設定	任務懸賞
投票者共同決定	社群共識

影響期限決定了該批次 Merit 的衰減速度。

6.5 反作弊策略

討論中的核心問題：Bitcoin 挖礦是純客觀計量，天然抗作弊。但 GMC 包含主觀評價，如何防止刷星？

思路：不是消除主觀性，而是讓作弊成本遠高於收益。

防護組合：

1. 親密度排除：排除與被評價者關係密切的投票者
2. MeriToken 加權：高信譽者投票更有分量，作弊者需先累積大量真實信譽
3. 投票行為稽核：頻繁給特定對象投贊成票 → 標記異常
4. 隨機抽樣：從幹係人中隨機抽取投票者，降低串通可能
5. 事後追溯：發現作弊後可透過懲罰機制追溯處理

設計原則

盡可能將貢獻拆解為可客觀計量的部分，減少主觀評價的比重：

• 優先客觀計量（自動、高效、抗作弊）
• 主觀評價僅用於無法客觀量化的場景
• 主觀評價透過多重防護降低作弊風險

6.6 討論備註

貢獻認定的設計權衡：

• 效率 vs 公正：客觀計量高效但窄，主觀評價全面但易被操控
• 參與度 vs 品質：降低投票門檻增加參與度，但可能降低評價品質
• 當前方案：「客觀優先 + 主觀補充 + 多重防護」
• 延伸問題：Merit 如何憑空產生？→ 見經濟模型章節