关于DAO治理的公平性，一直为大家所关注。DAOrayaki从数据科学的视角，探讨如何量化 DAO 治理的公平性。因此，在本文中，将介绍 3 个指标。
在许多情况下，持有更多的治理代币意味着在 DAO 中拥有更高的投票权。在代币分配方面，可能会有不同的情况。例如，1% 的成员拥有 90% 的代币，或者每个成员拥有完全相同数量的代币。在前一种情况下，DAO 由 1% 的成员控制，非常中心化。在后一种情况下，每个成员在投票中拥有平等的投票权，符合去中心化的本质。
那么我们如何评估代币持有量的分散性呢？这是第一个指标：基尼系数（又称基尼指数），由意大利统计学家 Corrado Gini 开发。这个指标被广泛用于评估收入的不平等，我发现它非常适合我们的目标。
日本富士通将推出基于区块链的跨境合作项目:6月15日消息，日本电信巨头富士通周四在新闻稿中表示，在完成为期一年的试点试验后，公司将于6月30日推出一个新的基于区块链技术的跨境合作平台，即富士通Web3加速平台，以使用区块链技术连接不同经济区域的交易。[2023/6/15 21:39:54]
下面是基尼系数的公式：
分子是总体（DAO 成员）的所有项目对（代币余额）的平均绝对差值。分母是按 2n2 缩放的平均代币余额。因子 (2n2) 将基尼系数转换为 0 到 1 的范围。
基于StarkNet的浏览器插件钱包Argent X集成Orbiter Finance:8月9日消息，基于 StarkNet 的浏览器插件钱包Argent X宣布集成Layer2跨Rollup桥Orbiter Finance，允许用户从 zkSync、Optimism 和其他网络桥接资金至 StarkNet。[2022/8/9 12:12:47]
0 表示完全平等，每个成员拥有相同数量的代币。
1 表示完全不平等，每个成员都拥有所有代币。
困惑是正常的。可汗学院的这段视频可能会帮助您建立直观的理解。
以下是基尼系数最低的 DAO。如您所见，所有 DAO 的基尼系数都大于 0.76。相比之下，2017年美国的基尼系数为0.434。因此，可能我数据库中的所有 DAO 都比美国更集中。
基于Tezos构建的DEX Dexter被曝合约存在漏洞，开发团队Nomadic Labs已重写合约:Tezos 开发团队之一Nomadic Labs表示，在智能合约工具开发公司 camlCase构建的基于Tezos区块链的去中心化交易所 Dexter 合约中，发现了一个漏洞，该漏洞允许在未经授权的情况下提取资金。在告知camlCase 漏洞详细信息之后，camlCase 团队已利用漏洞提取出资金，并退还给持有者。与此同时，由 Nomadic Labs 领导的团队对合约进行了重写，以避免该漏洞。[2021/2/20 17:33:38]
韩国海关寻求商业公司参与基于区块链的通关物流项目试点:韩国海关13日宣布，正在寻求试点商业公司参与基于区块链技术的出口海关物流服务和电子证书发行和交换试点项目。韩国海关计划通过试点项目验证，是否可以通过出口物流的各个阶段将块链技术引入到业务中，并颁发原产地证书。[2018/5/13]
代币分布按基尼系数排序
不管代币如何平均分配，如果只有一小部分成员参与治理，DAO 仍然是中心化的。投票百分比是在每次民意调查中变化的指标，以下是定义。
每个 DAO 中的平均投票百分比通过治理的参与提供了对权力下放水平的洞察。你甚至可以通过比较投票成员与人口之间的代币分布来更深入地挖掘。这种差异可能表明投票成员是否代表 w.r.t 代币持有量。
在投票方面，多数成员的共识可能会输给拥有更多治理代币（即投票权）的较小群体。成员和代币，哪一个在 DAO 治理中发挥更大的作用？为了量化这种比较，我在这里介绍最后一个指标：协议系数（AC）。
统计中有多个版本的一致性系数。对于这个即将到来的指标，这是我的一个设想，如果您发现它与先前存在的概念冲突，请联系我们?
与投票百分比一样，AC 是特定于投票的。首先，让我介绍两个基本概念：代币率和投票率。
代币率和投票率公式
上面的公式应该很直观。为了使其具体化，下面是一个包含 3 个成员和 2 个选项的示例。
一个投票举例
在本次投票中，选项 2 获胜。所以代币率为6/11，投票率为2/3。要得出一致性系数，您可以使用代币率除以选民率。在这种情况下，AC = 9/11。
协议系数公式
以下是如何解释 AC。在一个完全“公平”的 DAO 中，假设代币和成员在治理中扮演相同的角色，AC 预计为 1。当 AC < 1 时，意味着获胜选项更多地依赖于选民而不是代币。当 AC > 1 时，表明获胜选项更多地取决于代币而不是选民。
原文作者：Sicong Zhao
贡献者：Demo
审核者：DAOctor
原文：How to evaluate the “Fairness” of DAO Governance? From a data scientist’s perspective
郑重声明： 本文版权归原作者所有， 转载文章仅为传播更多信息之目的， 如作者信息标记有误， 请第一时间联系我们修改或删除， 多谢。