Actuellement, une faiblesse commune dans les données d'entraînement de l'IA : elles sont trop bon marché. Une grande quantité de points de vue copiés-collés, une annotation mécanique à quelques centimes, le résultat est que le bruit est amplifié à l'infini, le modèle devient de plus en plus médiocre à force d'entraînement, et finalement, on obtient une accumulation de valeurs moyennes.

Une idée assez intéressante — transformer l'annotation des données d'une simple tâche laborieuse en un véritable jeu économique. En utilisant un mécanisme de pari pour juger, où les participants ont des gains ou pertes réels, ainsi qu'un risque pour leur réputation, ainsi, les signaux deviennent rares, précis et vraiment crédibles. En clair, faire en sorte que le mécanisme d'incitation lui-même devienne un filtre pour les signaux. Cette logique ressemble beaucoup à la conception économique dans la blockchain : optimiser la qualité du système par l'alignement des intérêts.