Récemment, j'ai vu qu'une certaine plateforme InfoFi a procédé à un ajustement massif des classements des utilisateurs et du système de points, et de nombreux comptes sur le tableau des classements du tournoi ont vu leurs scores réduits.

D'un point de vue de la santé de la plateforme, cette opération de nettoyage est effectivement nécessaire. Après tout, tout mécanisme d'incitation attire les opportunistes, un nettoyage régulier peut maintenir l'équité de l'écosystème.

Mais le problème est que ce type de filtrage par algorithme est difficile à rendre parfaitement précis. Lorsque vous utilisez un modèle d'apprentissage automatique pour identifier des comportements anormaux, il y aura toujours un taux de faux positifs. Les utilisateurs qui créent réellement du contenu avec sérieux pourraient être touchés par le système en raison de certains modèles de comportement qui coïncident par hasard avec des caractéristiques anormales.

C'est le dilemme classique de la gouvernance des plateformes Web3 : soit laisser les bots nuire à l'écosystème, soit procéder à un nettoyage strict mais prendre le risque de dommages collatéraux. Il semble que la plateforme ait choisi cette dernière option, mais la manière dont elle établira un mécanisme de recours et optimisera la précision des algorithmes de détection pourrait être plus importante que le nettoyage lui-même.