兄弟たち、まずは爆損の教訓を正直に話そう。昨夜、ビットコインがそのボラティリティの範囲で欲張ってしまい、ショートを狙って二倍のロングポジションを持った結果、深夜に一発の針が刺さってストップロスに直行した。爆損した後、逆に冷静になって、@OpenLedger のRLHFフィードバック記録を見返したんだ。みんな、何を発見したか知ってる？ モデルにスコアをつけて稼いでいる人たちが、実際に手に入れているものがホワイトペーパーに書かれていることとは全然違うんだ。
ホワイトペーパーは美しいことを言っているが、モデルにスコアをつけて高品質なフィードバックを提供すれば、システムが$OPEN の報酬をくれる。でも、最近の千件のフィードバック記録とその報酬額を引っ張り出してみると、ある法則が見えてきた。高額の報酬を実際に受け取っているアドレスは、フィードバック内容がすごく短くて、「悪い」「正しい」「ゴミ」といった数語だけで、しっかりした理由すらない。そして、真剣にモデルの出力に問題がある理由を長々と分析した人たちは、逆に報酬が非常に少ない。#OpenLedger のこのフィードバックメカニズムは、フィードバックの質ではなく、速度を重視している。システムはモデルのアップデート後、最初の100件のフィードバックを提出したアドレスにダブルウェイトを与えるので、後から入ってくる人はどんなに良いことを書いても薄まってしまう。これではみんながスピード勝負をしなければならず、頭を使うことができなくなる。あなたが10分かけて出力を注意深く分析している間に、他の人は3秒で「差評」を投げて去ってしまい、その結果、あなたの報酬は彼らのほんの一部にも満たない。
さらにひどいのはその罰則メカニズム。ホワイトペーパーでは、悪意のあるフィードバックには質押を没収すると言っているが、チェーン上の記録を調べたところ、今のところ実際に実行された没収は一件もない。つまり、適当にスコアをつけても誰も気にしないけど、真面目にスコアをつけると遅すぎてお金が稼げない。このルールは、真剣に仕事をしたい人たちを完全に退けて、残ったのはロボットのスクリプトとスピード命の連中だけ。計算してみたけど、普通のユーザーが15分かけて真剣なフィードバックをすると、$OPEN の価値に換算するとおそらく0.5ドルにも満たない。この程度のお金はビットコイン上での一聡にも及ばない、誰がやりたいと思う？