Я хочу відзначити щось важливе щодо поточної @xyberinc таблиці лідерів на @xeetdotai, і кажу це, бо справді переймаюся Xeet. Бачити акаунт із ~400 підписниками, 15 тисячами показів і 11 лайками на #2 — це тривожний сигнал. Після відстеження закономірностей я помітив приблизно 80 акаунтів, керованих ботами, у топ-300. Більшість цього походить від платних вражень, а не від реальної взаємодії. Я поважаю те, що @Pons_ETH робить із різаннями, це необхідно. Але різання має бути останньою лінією захисту, а не основною. Зараз проблема структурна: платні перегляди збільшують враження. LLM оцінює видимість перед перевіркою якості. Xeets винагороджуються раніше, ніж автентичність буде повністю підтверджена. Декілька способів, як це можна технічно покращити: • Зважування вражень щодо співвідношення залученості Низька кількість лайків, відповідей, часу перебування чи відвідувань профілю має суттєво знижувати кількість сирих переглядів. • Виявлення відбитків пальців за оплачуваним трафіком Джерела платного перегляду мають передбачувані закономірності (час вибуху, кластери реферерів, хвости без взаємодії). Це розв'язні сигнали. • Затримка виділення Xeet Винагороди в черзі доти, доки пост не пройде додаткове вікно верифікації (наприклад, 6–12 годин), де вимірюється органічна взаємодія. • Рейтинг довіри на рівні автора Акаунти, які постійно позначається як синтетичний трафік, мали б зменшувати вагу LLM, незалежно від майбутніх показів. • Відокремити видимість від нагород Нехай контент буде видимим, але винагороджує лише перевірену людську взаємодію, а не лише експозицію. Різати ботів після факту працює, але це створює зайву драму. Деякі користувачі бачать себе високо в таблиці лідерів, створюють очікування, а потім їх знищують і вони починають поширювати FUD. Профілактика чистіша за покарання. Я щиро вірю, що команда це виправить. Xeet — одна з небагатьох систем, якою мені справді подобається користуватися, і я працюю тут повний робочий день. Це не критика, а зворотний зв'язок від людини, яка хоче, щоб екосистема залишалася достовірною під час масштабування.