Cent 的新排序系统

引入迭代比较算法（ICA）英文原文

现在在 Cent 上，用户通过附加 ETH 奖励提出问题，激励来自网络的回答。用户以 -3 到 +3 的六个等级投票选出最佳答案（以此获得ETH）。当时我们采取了这种策略方式，因为它似乎是捕捉网络对不同答案质量的最准确的方式。

然而，随着网络的不断发展，用户处理网络产生的答案量变得越来越麻烦。悬赏经常收集100多个答案，并要求用户单独给每个人一个客观的评分似乎是一个越来越难的问题。

所以，我们回到了绘图板。确定答案的质量时真正重要的是什么？质量这个词的究竟意味着什么？投票的评分为-3到+3真的是最准确的方式来捕捉有价值的东西吗？投票是否必要？

我们意识到质量是根据事物之间的比较而得出其含义。

很难分配客观的价值水平，但很容易分配相对的价值水平。

劳斯莱斯有多少质量？我不知道这意味着什么。但哪个质量更高 – 劳斯莱斯还是起亚？我知道。

通过比较，我们可以更加自信、快速、准确地做出判断。因此，我们创建了迭代比较算法（ICA），而不是要求用户在全局范围内进行评分的投票。ICA对答案配对，每次只询问用户一个问题：哪个更好？

在提出这个解决方案之后，我们意识到这种分类方法之前就已经被发现了，有时也被称为“成对比较”。正如约翰霍普金斯大学的一篇学术论文所述，配对比较比其他方法更强大的原因有很多：

两两比较可能会很贪心，因为工具可以轻松呈现每位受访者愿意回答的（或少数）提示。

回答者贡献的新项目可以很容易地集成到未来回答者的选择集中，从而使该工具能够进行合作。

最后，成对比较可以是自适应的，因为要呈现的可供选择的对可以最大化学习先前的回答。

这些属性的存在是因为成对比较既是粒度又是模块化的; 也就是说，贡献单位很小，可以很容易地汇总。

此外，本文概述了一些实际好处：

成对比较使得结果的操纵或“游戏”变得困难，因为回答者不能选择他们将看到的对; 相反，这种选择是由工具完成的。因此，当存在大量可能的项目时，回答者将不得不回答多次以显示她希望“赞”（或“踩”）的项目。

其次，成对比较要求回答者优先考虑项目 – 也就是说，因为回答者必须从每对中选择两个离散答案选项中的一个，她不能简单地说她同样喜欢（或不喜欢）每个选项。

最后，对一系列两两比较的回答是相当令人愉快的，这是许多成功的基于网络的社会研究项目的共同特征。

我们的ICA通过逐步判断最佳答案（确定最佳答案）和最差答案（最坏答案）来利用这些好处。这种转变将Cent赏金从投票思维转变为排序思维。这会以一种我们感觉更有趣、快捷和简单的方式影响用户体验。和往常一样，你们排序的一对都会给你带来一点ETH。

每当用户回到一个开放的悬赏时，他们都会看到新的答案组合，而不必草草浏览已经投票的所有答案并草率投票。我们还从答案中删除了@names和评论，直到对它们进行排序，以保持排序尽可能公平。

ICA和新的分类用户界面现在正在运行 – 前往 Cent 并检查出来。