論文の概要: Voting-Bloc Entropy: A New Metric for DAO Decentralization

• arxiv url: http://arxiv.org/abs/2509.22620v1
• Date: Fri, 26 Sep 2025 17:46:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-29 20:57:54.621013
• Title: Voting-Bloc Entropy: A New Metric for DAO Decentralization
• Title（参考訳）: Voting-Bloc Entropy: DAO分散化のための新しい指標
• Authors: Andrés Fábrega, Amy Zhao, Jay Yu, James Austgen, Sarah Allen, Kushal Babel, Mahimna Kelkar, Ari Juels,
• Abstract要約: 分散型自治機構(DAO)は、スマートコントラクトを使用して、共通の目標に向かって作業するコミュニティを育成する。 本研究は,VBE(Voting-Bloc Entropy)と呼ばれる分散化を計測する新しいフレームワークを提案する。 VBEは、密接に一致した関心を持つ有権者が中央集権的な力として振る舞うという考えに基づいており、そのようにモデル化されるべきである。
• 参考スコア（独自算出の注目度）: 12.631360643036137
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Decentralized Autonomous Organizations (DAOs) use smart contracts to foster communities working toward common goals. Existing definitions of decentralization, however -- the 'D' in DAO -- fall short of capturing the key properties characteristic of diverse and equitable participation. This work proposes a new framework for measuring DAO decentralization called Voting-Bloc Entropy (VBE, pronounced ''vibe''). VBE is based on the idea that voters with closely aligned interests act as a centralizing force and should be modeled as such. VBE formalizes this notion by measuring the similarity of participants' utility functions across a set of voting rounds. Unlike prior, ad hoc definitions of decentralization, VBE derives from first principles: We introduce a simple (yet powerful) reinforcement learning-based conceptual model for voting, that in turn implies VBE. We first show VBE's utility as a theoretical tool. We prove a number of results about the (de)centralizing effects of vote delegation, proposal bundling, bribery, etc. that are overlooked in previous notions of DAO decentralization. Our results lead to practical suggestions for enhancing DAO decentralization. We also show how VBE can be used empirically by presenting measurement studies and VBE-based governance experiments. We make the tools we developed for these results available to the community in the form of open-source artifacts in order to facilitate future study of DAO decentralization.
• Abstract（参考訳）: 分散型自治機構(DAO)は、スマートコントラクトを使用して、共通の目標に向かって作業するコミュニティを育成する。 しかし、既存の分散化の定義 -- DAOの'D' -- は、多様で公平な参加の特徴を捉えていない。 本研究は,VBE(Voting-Bloc Entropy)と呼ばれるDAO分散化測定のための新しいフレームワークを提案する。 VBEは、密接に一致した関心を持つ有権者が中央集権的な力として振る舞うという考えに基づいており、そのようにモデル化されるべきである。 VBEはこの概念を、一組の投票ラウンドで参加者のユーティリティ関数の類似度を測定することで定式化する。 従来の分散化のアドホックな定義とは異なり、VBEは第一原理から導かれる: 投票のための単純(強大な)強化学習に基づく概念モデルを導入する。 まず,理論ツールとしてのVBEの有用性を示す。 我々は,従来のDAO分散化の考え方では見過ごされていない,投票委任や提案のバンドル,収賄などの分散化効果について,多くの結果を証明している。 この結果から,DAO分散化の実践的提案が得られた。 また、測定研究やVBEベースのガバナンス実験によって、VBEが経験的にどのように利用できるかを示す。 我々は,DAO分散化の今後の研究を促進するために,オープンソースアーティファクトという形で,これらの成果のために開発したツールをコミュニティに提供します。

関連論文リスト

• Toward a Sustainable Federated Learning Ecosystem: A Practical Least Core Mechanism for Payoff Allocation [71.86087908416255]
  最小コア(LC)概念に基づく配当フレームワークを提案する。 従来の方法とは異なり、LCは最大の不満を最小限に抑えてフェデレーションの凝集を優先する。 統合侵入検知におけるケーススタディは、我々のメカニズムが重要な貢献者や戦略的提携を正しく識別できることを実証している。
  論文  参考訳（メタデータ） (2026-02-03T11:10:50Z)
• SoK: Measuring Blockchain Decentralization [7.274273862904251]
  ブロックチェーンシステムのコンテキストでは、分散化の重要性は、それを計測する広く受け入れられている方法論が欠如していることによって弱まります。 対象とするリソースに基づいて,前回の作業で使用したすべての測定テクニックを分類するフレームワークを提案する。 我々は、このフレームワークを、前処理で使われる様々な前処理ステップとメトリクスが、同じ基盤となる分散化の概念を捉えているかどうかを評価するための経験的分析で補完する。
  論文  参考訳（メタデータ） (2025-01-30T11:37:34Z)
• Proof-of-Data: A Consensus Protocol for Collaborative Intelligence [4.362312381717716]
  本稿では,新しいProof-of-Data(PoD)コンセンサスプロトコルに基づくブロックチェーンベースのByzantineフォールトトレラントなフェデレーション学習フレームワークを提案する。 PoDは、社会規模のPoWスタイルの学習から学習効率とシステムの活力の恩恵を受けることができる。 ビザンチン攻撃によるデータ偽造による偽報酬請求を軽減するために、プライバシ対応のデータ検証とコントリビューションベースの報酬配分機構がフレームワークの完成のために設計されている。
  論文  参考訳（メタデータ） (2025-01-06T12:27:59Z)
• Future of Algorithmic Organization: Large-Scale Analysis of Decentralized Autonomous Organizations (DAOs) [45.02792904507959]
  分散自律組織(DAO)は、初期のオンラインコミュニティ、特にオープンソースプロジェクトを中心としたコミュニティに似ている。 わずか数年で、ガバナンストークンの展開が急増し、2024年現在の13,000件を超える決定を総括して管理するガバナンストークン保有者数は245億ドル、ガバナンストークン保有者1100万人となった。 我々は,分散化のレベルを規定する投票力,参加力,特性などの要因について検討し,経営構造の効率性を検討した。
  論文  参考訳（メタデータ） (2024-10-16T23:45:10Z)
• DAO Decentralization: Voting-Bloc Entropy, Bribery, and Dark DAOs [6.92620603424171]
  分散型自治機構(DAO)は、スマートコントラクトを使用して、共通の目標に向かって作業するコミュニティを育成する。 本稿では,VBE(Voting-Bloc Entropy)と呼ばれる新しい指標を提案する。 本稿では,プライバシ保護によるアイデンティティシステムの破損防止機構であるダークサファイアの実用化について紹介する。
  論文  参考訳（メタデータ） (2023-11-06T21:13:06Z)
• Networked Communication for Decentralised Agents in Mean-Field Games [59.01527054553122]
  平均フィールドゲームフレームワークにネットワーク通信を導入する。 当社のアーキテクチャは、中央集権型と独立した学習ケースの双方で保証されていることを証明しています。 ネットワーク化されたアプローチは、障害の更新や人口規模の変化に対する堅牢性という点において、両方の選択肢に対して大きなメリットがあることが示されています。
  論文  参考訳（メタデータ） (2023-06-05T10:45:39Z)
• Unpacking How Decentralized Autonomous Organizations (DAOs) Work in Practice [54.47385318258732]
  分散自律組織(DAO)は、共通のビジョンに向けてエンティティのグループを調整する新しい方法として登場した。 わずか数年で4000以上のDAOが、投資、教育、健康、研究など様々な分野で立ち上げられた。 このような急激な成長と多様性にもかかわらず、実際にどのように機能し、その目標を達成するのにどの程度効果があるのかは不明だ。
  論文  参考訳（メタデータ） (2023-04-17T01:30:03Z)
• Decentralized Local Stochastic Extra-Gradient for Variational Inequalities [125.62877849447729]
  我々は、不均一(非IID)で多くのデバイスに分散する問題データを持つ領域上での分散変分不等式(VIs)を考察する。 我々は、完全に分散化された計算の設定を網羅する計算ネットワークについて、非常に一般的な仮定を行う。 理論的には, モノトン, モノトンおよび非モノトンセッティングにおける収束速度を理論的に解析する。
  論文  参考訳（メタデータ） (2021-06-15T17:45:51Z)
• Consensus Control for Decentralized Deep Learning [72.50487751271069]
  ディープラーニングモデルの分散トレーニングは、ネットワーク上のデバイス上での学習と、大規模計算クラスタへの効率的なスケーリングを可能にする。 理論上、トレーニングコンセンサス距離が重要な量よりも低い場合、分散化されたトレーニングは集中的なトレーニングよりも早く収束することを示す。 私たちの経験的な洞察は、パフォーマンス低下を軽減するために、より分散化されたトレーニングスキームの原則設計を可能にします。
  論文  参考訳（メタデータ） (2021-02-09T13:58:33Z)
• Towards Uncovering the Intrinsic Data Structures for Unsupervised Domain Adaptation using Structurally Regularized Deep Clustering [119.88565565454378]
  Unsupervised Domain Adapt (UDA) は、ターゲットドメイン上のラベルなしデータの予測を行う分類モデルを学ぶことである。 本稿では,対象データの正規化判別クラスタリングと生成クラスタリングを統合する構造的正規化深層クラスタリングのハイブリッドモデルを提案する。 提案するH-SRDCは, インダクティブ設定とトランスダクティブ設定の両方において, 既存の手法よりも優れている。
  論文  参考訳（メタデータ） (2020-12-08T08:52:00Z)
• Byzantine-resilient Decentralized Stochastic Gradient Descent [85.15773446094576]
  分散学習システムのビザンチンレジリエンスに関する詳細な研究について述べる。 ビザンチンフォールトトレランスを用いた分散学習を支援する新しいアルゴリズムUBARを提案する。
  論文  参考訳（メタデータ） (2020-02-20T05:11:04Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。