ซึ่งแตกต่างจากโทเค็นที่เปลี่ยนได้ NFT ขาดการกําหนดราคาแบบเรียลไทม์เนื่องจากการไม่มีเชื้อราและการขาดสภาพคล่อง โดยทั่วไปราคาจะอ้างอิงถึงราคาพื้นซึ่งไม่มีความละเอียดระดับรายการ สิ่งนี้ทําให้ยากต่อการกําหนดราคา NFT ที่ไม่มีมูลค่าตามพื้นสําหรับการซื้อขายหรือการให้กู้ยืม
โดยเฉพาะอย่างยิ่งในแอปพลิเคชันเหล่านี้:
มีขาดทุนของราคาที่เป็นกลางและยุติธรรมอย่างเชื่อถือได้ที่ระดับรายการ
การใช้งานหลายแอปพลิเคชันพยายามให้บริการราคาผ่านรูปแบบ ML แต่ความซับซ้อนและขาดความโปร่งใสทำให้ยากที่จะได้รับความไว้วางใจและเห็นด้วย
บทความนี้พยายามให้การกําหนดราคา NFT แบบเรียลไทม์ด้วยอัลกอริทึมที่เรียบง่ายและตีความได้ นอกจากนี้ยังเสนอกลไกออราเคิลให้ผู้มีส่วนได้ส่วนเสียมีส่วนร่วมในการค้นพบราคาอย่างเป็นธรรม มันเป็นไปตามหลักการของ ความเป็นธรรมที่น่าเชื่อถือ 5 ด้วยข้อมูลวัตถุประสงค์ที่น้อยที่สุดและโมเดลที่เรียบง่ายเข้าใจได้และมีประสิทธิภาพเพื่อการใช้งานที่ง่ายดาย
ผ่านการสังเกตข้อมูลธุรกิจ NFT ระดับยอด พบว่า มูลค่าของลักษณะมีค่าคงที่โดยรวมต่อราคาพื้น. เมื่อราคาพื้นขึ้นและลง ค่าพิเศษของแต่ละลักษณะจะเปลี่ยนแปลงตามไปด้วย แต่อัตราส่วนต่อราคาพื้นยังคงคงที่. นั่นหมายความว่าความสัมพันธ์ที่มีค่าพิเศษระหว่างลักษณะเป็นค่าคงที่. เราเรียกค่าพิเศษของลักษณะ NFT สูงกว่าราคาพื้นว่าค่าพิเศษของลักษณะ. ดังนั้นเราสมมติว่า:
ดังนั้น พวกเราขอเสนอรุ่นพรีเมียม สูตรหลักที่เป็นพื้นฐานของรุ่นพรีเมียมถูกแสดงเป็น
ที่นี่:
หลังจากการเปลี่ยนแปลงอย่างง่าย (1) จะให้ผลลัพธ์
เราใช้:
ที่จะฝึกอบรมโมเดลแยกตามคอลเลคชันแต่ละรายการ
เมื่อเกิดธุรกรรม เราจะบันทึกราคาขาย on-chain รวมทั้งราคาที่คาดการณ์ของโมเดลในขณะนั้น เรารวบรวมธุรกรรมล่าสุด 100 รายการ และคำนวณค่าความแม่นยำเฉลี่ย เราทดสอบโมเดลบนคอลเลคชัน blue-chip และใช้งานMean Absolute Percentage Error (MAPE) เป็นตัวชี้วัดการประเมิน นี่คือผลการทดสอบ
ความจริงที่ช่วงเวลาที่เลือกสำหรับข้อมูลการฝึกฝนครอบคลุมสองปีและได้อัตราความแม่นยำสูงในการดำเนินการล่าสุด 100 รายการ หมายถึงการสมมติฐานที่อัตราส่วนเบี้ยเฉลี่ยระหว่างลักษณะที่แตกต่างแสดงถึงค่าที่เป็นจริงสำหรับคอลเลคชันบลูชิปส่วนใหญ่
รายการต่อไปนี้คือน้ำหนักลักษณะสำหรับลักษณะขนของคอลเลกชันBAYC.
จะเห็นได้ว่าน้ําหนักลักษณะของขนทองแข็งและขนทริปปี้ที่มีค่าที่สุดคือ 9.3 เท่าและ 3.3 เท่าของราคาพื้นตามลําดับซึ่งสูงกว่าน้ําหนักอื่น ๆ ทั้งหมดอย่างมีนัยสําคัญในขณะที่ลักษณะทั่วไปจํานวนมากมีน้ําหนัก 0 ผลลัพธ์เหล่านี้สอดคล้องกับความเข้าใจของเราเกี่ยวกับคุณค่าทางคุณลักษณะ
เนื่องจากสภาพคล่องต่ําของ NFT ที่หายากและข้อมูลที่รวบรวมไม่เพียงพอจึงเป็นไปไม่ได้ที่จะให้ข้อมูลความแม่นยําที่แม่นยําสําหรับ NFT ที่หายาก อย่างไรก็ตามเราสามารถยกตัวอย่างเฉพาะเพื่อแสดงให้เห็น
ในวันที่ 15 ตุลาคม 2023 ธุรกรรมการซื้อขาย Cryptopunks #8998 ได้เกิดขึ้น ราคาธุรกรรมคือ 57 ETH และราคาพื้นที่เวลานั้นคือ 44.95 ETH เราได้บันทึกน้ำหนักลักษณะของ #8998 ในเวลานั้นดังนี้
การตัดของ Cryptopunks คือ -0.03270
ดังนั้นการประเมินมูลค่าสามารถคำนวณจาก:
มันใกล้เคียงกับราคาธุรกรรม โดยมีความคลาดเคลื่อนไม่เกิน 5%
อย่างไรก็ตาม ไม่ใช่ NFT ที่หายากทั้งหมดที่สามารถตั้งราคาได้อย่างแม่นยํา ผู้คนมักประเมินค่าสูงไปหรือประมาทเมื่อให้ราคาสําหรับ NFT ที่หายาก ซึ่งแนะนําอคติที่มีอยู่อย่างเป็นกลาง ดังนั้นไม่ว่าอัลกอริธึมการกําหนดราคา NFT จะได้รับการออกแบบมาอย่างไรก็มีขีด จํากัด บนความแม่นยําเสมอ
อย่างไรก็ตาม จากข้อมูลข้างต้น เราสามารถเห็นได้ว่า เบี้ยพิเศษที่คำนวณโดยอัลกอริทึมนี้มีความสำคัญในด้านสองด้าน:
แม้ว่าอัลกอริทึมจะตั้งเป้าหมายที่จะเป็นเชิงนิติวัติให้มากที่สุดเท่าที่จะเป็นได้ แต่ยังคงมีปัญหาบางประการ
เพื่อให้ราคาบนเชืองเชื่อถือได้ที่ต้านทานการควบคุมจากศูนย์กลาง เราออกแบบกลไกออราเคิลเพื่อบรรลุความเห็นร่วม
มันประกอบด้วยเครือข่ายที่ไม่มีส่วนกลางของโหนด:
เนื่องจากอัตราส่วนค่าลักษณะยังคงคงที่ตลอดเวลา จึงไม่จำเป็นต้องอัปเดตน้ำหนักค่าลักษณะบ่อยครั้ง การอัปเดตน้ำหนักเป็นระยะๆ จากโหนดออรัคเลส ร่วมกับราคาพื้นแบบเรียลไทม์ ช่วยรักษาการกำหนดราคา NFT ระดับสินค้าอย่างแม่นยำในขณะเดียวกัน
อย่างไรก็ตาม หากเราเลือกที่จะไม่ใช้โมเดลนี้ด้วยน้ำหนักและเพียงเท่านั้นที่เราเห็นความเห็นร่วมเกี่ยวกับราคาที่สร้างขึ้นในที่สุด มันยังจะทำงานหรือไม่? โมเดลราคาที่แตกต่างกันสามารถมีผลกระทบอย่างมากต่อผลลัพธ์ของราคา NFT ที่หาได้เดียวกันสามารถประมาณให้เป็น 120 ETH หรือ 450 ETH การเลือกเฉลี่ยหรือมัมมีเดียนในกรณีที่มีการเบียดเบนมากๆ ยังคงทำให้เกิดความผิดพลาดอย่างมหายิ่ง อย่างไรก็ตาม การนำเอาน้ำหนักเข้ามาอาจทำให้ช่วงการเปลี่ยนแปลงราคายังคงเล็กน้อยและสามารถให้คำอธิบายทางตรรกะได้สำหรับราคา
เราเชื่ออย่างยิ่งว่ากระบวนการตั้งราคานี้ควรเป็นเชิงเป็นกลางอย่างเชื่อถือได้ให้สุด มิฉะนั้น มันจะไม่สามารถกลายเป็นข้อตกลงสำหรับนักซื้อขาย NFT ทุกคน ตลอดกระบวนการออกแบบทั้งหมด เราได้พยายามที่จะยึดถือตามสี่หลักเบื้องต้นหลักการของความเป็นกลางที่น่าเชื่อถือ 5:
การแนะนําน้ําหนักลักษณะเป็นสิ่งสําคัญ โมเดลแมชชีนเลิร์นนิงส่วนใหญ่เป็นกล่องดําขาดความโปร่งใสที่แข็งแกร่งทําให้ยากที่จะเชื่อถือราคาที่เกิดขึ้นและไม่สามารถบรรลุฉันทามติได้ อย่างไรก็ตามการแนะนําน้ําหนักลักษณะทําให้ราคาเข้าใจง่ายทําให้แต่ละพารามิเตอร์มีความหมายที่ชัดเจน: น้ําหนักลักษณะแสดงถึงอัตราส่วนของลักษณะพรีเมี่ยมต่อราคาพื้นและสกัดกั้นแก้ไขราคาพื้นและให้ค่าฐานสําหรับคอลเลกชัน น้ําหนักลักษณะจะถูกแบ่งปันในแต่ละราคา NFT เช่นเดียวกับลักษณะที่ใช้ร่วมกันในแต่ละ NFT
นับว่ามีข้อจำกัดบางประการอยู่:
ออราเคิลราคา NFT มีแอปพลิเคชันมากมาย โดยเฉพาะอย่างยิ่งในการให้กู้ยืม NFT การเช่าซื้อ ผู้ดูแลสภาพคล่องอัตโนมัติ (AMMs) การแยกส่วน และแอปพลิเคชัน NFTfi อื่นๆ นอกจากนี้ยังสามารถใช้เป็นข้อมูลอ้างอิงที่เชื่อถือได้สําหรับการทําธุรกรรมแบบเพียร์ทูเพียร์
คุณลักษณะของความเสมพันธ์ทำให้เกิดการแยกส่วนที่สัมพันธ์กันได้ ณ ขณะนี้ NFT AMMs หรือโปรโตคอลการแยกส่วนใช้พูลหลายๆ รูปแบบสำหรับค่า NFT ที่แตกต่างกัน ทำให้เกิดความเหี่ยวย่ำในการเปลี่ยนราคา ด้วยอัตราส่วนราคาที่คงที่ การแยกรายการเก่าใหม่สามารถรวมรวมคอลเลกชันทั้งหมดเข้าไปในหลอดเดียว ในการตั้งค่านี้ คอลเลกชัน ERC20 แทนค่าที่ทั้งหมดของคอลเลกชัน
ตัวอย่างเช่น ในกรณีของ Bored Ape Yacht Club (BAYC):
เมื่อราคาพื้น BAYC ลดลงจาก 25 ETH เหลือ 12.5 ETH, 1 xBAYC ลดค่าจาก 0.1 ETH เหลือ 0.05 ETH แต่อัตราส่วนค่าของพวกเขายังคงเท่าเดิมที่ 1044:255
อัตราส่วนราคายังคงคงที่ แม้จะมีการเปลี่ยนแปลงในราคาขั้นต่ำ ทำให้สามารถแยกแยะและแลกเปลี่ยนได้อย่างยุติธรรม
ผลงานนี้ได้รับแรงบันดาลจากบทความสองเรื่องที่เขียนโดย@vbuterinบทความความเชื่อถือได้ของความเป็นกลางเป็นหลักที่ 5ให้เราทิศทางในการสร้างกลไกที่เชื่อถือได้ฉันคิดอย่างไรกับบันทึกชุมชนแสดงตัวอย่างที่แน่นอนในการออกแบบอัลกอริทึมตามหลักของความเป็นกลางที่น่าเชื่อ
แต่การกำหนดราคา NFT แตกต่างจาก Community Notes ในทางที่ ราคาข้อมูลในสถานการณ์การซื้อขายต้องเป็นเรียลไทม์และไม่มีความเสี่ยงจากการแก้ไข การเปิดโอนโค้ดเพียงอย่างเดียวไม่เพียงพอสำหรับความเป็นเที่ยงซื่อในทางที่แท้จริง ต้องสร้างกลไกความเห็นร่วมบนเชนที่มีประสิทธิภาพ
ซึ่งแตกต่างจากโทเค็นที่เปลี่ยนได้ NFT ขาดการกําหนดราคาแบบเรียลไทม์เนื่องจากการไม่มีเชื้อราและการขาดสภาพคล่อง โดยทั่วไปราคาจะอ้างอิงถึงราคาพื้นซึ่งไม่มีความละเอียดระดับรายการ สิ่งนี้ทําให้ยากต่อการกําหนดราคา NFT ที่ไม่มีมูลค่าตามพื้นสําหรับการซื้อขายหรือการให้กู้ยืม
โดยเฉพาะอย่างยิ่งในแอปพลิเคชันเหล่านี้:
มีขาดทุนของราคาที่เป็นกลางและยุติธรรมอย่างเชื่อถือได้ที่ระดับรายการ
การใช้งานหลายแอปพลิเคชันพยายามให้บริการราคาผ่านรูปแบบ ML แต่ความซับซ้อนและขาดความโปร่งใสทำให้ยากที่จะได้รับความไว้วางใจและเห็นด้วย
บทความนี้พยายามให้การกําหนดราคา NFT แบบเรียลไทม์ด้วยอัลกอริทึมที่เรียบง่ายและตีความได้ นอกจากนี้ยังเสนอกลไกออราเคิลให้ผู้มีส่วนได้ส่วนเสียมีส่วนร่วมในการค้นพบราคาอย่างเป็นธรรม มันเป็นไปตามหลักการของ ความเป็นธรรมที่น่าเชื่อถือ 5 ด้วยข้อมูลวัตถุประสงค์ที่น้อยที่สุดและโมเดลที่เรียบง่ายเข้าใจได้และมีประสิทธิภาพเพื่อการใช้งานที่ง่ายดาย
ผ่านการสังเกตข้อมูลธุรกิจ NFT ระดับยอด พบว่า มูลค่าของลักษณะมีค่าคงที่โดยรวมต่อราคาพื้น. เมื่อราคาพื้นขึ้นและลง ค่าพิเศษของแต่ละลักษณะจะเปลี่ยนแปลงตามไปด้วย แต่อัตราส่วนต่อราคาพื้นยังคงคงที่. นั่นหมายความว่าความสัมพันธ์ที่มีค่าพิเศษระหว่างลักษณะเป็นค่าคงที่. เราเรียกค่าพิเศษของลักษณะ NFT สูงกว่าราคาพื้นว่าค่าพิเศษของลักษณะ. ดังนั้นเราสมมติว่า:
ดังนั้น พวกเราขอเสนอรุ่นพรีเมียม สูตรหลักที่เป็นพื้นฐานของรุ่นพรีเมียมถูกแสดงเป็น
ที่นี่:
หลังจากการเปลี่ยนแปลงอย่างง่าย (1) จะให้ผลลัพธ์
เราใช้:
ที่จะฝึกอบรมโมเดลแยกตามคอลเลคชันแต่ละรายการ
เมื่อเกิดธุรกรรม เราจะบันทึกราคาขาย on-chain รวมทั้งราคาที่คาดการณ์ของโมเดลในขณะนั้น เรารวบรวมธุรกรรมล่าสุด 100 รายการ และคำนวณค่าความแม่นยำเฉลี่ย เราทดสอบโมเดลบนคอลเลคชัน blue-chip และใช้งานMean Absolute Percentage Error (MAPE) เป็นตัวชี้วัดการประเมิน นี่คือผลการทดสอบ
ความจริงที่ช่วงเวลาที่เลือกสำหรับข้อมูลการฝึกฝนครอบคลุมสองปีและได้อัตราความแม่นยำสูงในการดำเนินการล่าสุด 100 รายการ หมายถึงการสมมติฐานที่อัตราส่วนเบี้ยเฉลี่ยระหว่างลักษณะที่แตกต่างแสดงถึงค่าที่เป็นจริงสำหรับคอลเลคชันบลูชิปส่วนใหญ่
รายการต่อไปนี้คือน้ำหนักลักษณะสำหรับลักษณะขนของคอลเลกชันBAYC.
จะเห็นได้ว่าน้ําหนักลักษณะของขนทองแข็งและขนทริปปี้ที่มีค่าที่สุดคือ 9.3 เท่าและ 3.3 เท่าของราคาพื้นตามลําดับซึ่งสูงกว่าน้ําหนักอื่น ๆ ทั้งหมดอย่างมีนัยสําคัญในขณะที่ลักษณะทั่วไปจํานวนมากมีน้ําหนัก 0 ผลลัพธ์เหล่านี้สอดคล้องกับความเข้าใจของเราเกี่ยวกับคุณค่าทางคุณลักษณะ
เนื่องจากสภาพคล่องต่ําของ NFT ที่หายากและข้อมูลที่รวบรวมไม่เพียงพอจึงเป็นไปไม่ได้ที่จะให้ข้อมูลความแม่นยําที่แม่นยําสําหรับ NFT ที่หายาก อย่างไรก็ตามเราสามารถยกตัวอย่างเฉพาะเพื่อแสดงให้เห็น
ในวันที่ 15 ตุลาคม 2023 ธุรกรรมการซื้อขาย Cryptopunks #8998 ได้เกิดขึ้น ราคาธุรกรรมคือ 57 ETH และราคาพื้นที่เวลานั้นคือ 44.95 ETH เราได้บันทึกน้ำหนักลักษณะของ #8998 ในเวลานั้นดังนี้
การตัดของ Cryptopunks คือ -0.03270
ดังนั้นการประเมินมูลค่าสามารถคำนวณจาก:
มันใกล้เคียงกับราคาธุรกรรม โดยมีความคลาดเคลื่อนไม่เกิน 5%
อย่างไรก็ตาม ไม่ใช่ NFT ที่หายากทั้งหมดที่สามารถตั้งราคาได้อย่างแม่นยํา ผู้คนมักประเมินค่าสูงไปหรือประมาทเมื่อให้ราคาสําหรับ NFT ที่หายาก ซึ่งแนะนําอคติที่มีอยู่อย่างเป็นกลาง ดังนั้นไม่ว่าอัลกอริธึมการกําหนดราคา NFT จะได้รับการออกแบบมาอย่างไรก็มีขีด จํากัด บนความแม่นยําเสมอ
อย่างไรก็ตาม จากข้อมูลข้างต้น เราสามารถเห็นได้ว่า เบี้ยพิเศษที่คำนวณโดยอัลกอริทึมนี้มีความสำคัญในด้านสองด้าน:
แม้ว่าอัลกอริทึมจะตั้งเป้าหมายที่จะเป็นเชิงนิติวัติให้มากที่สุดเท่าที่จะเป็นได้ แต่ยังคงมีปัญหาบางประการ
เพื่อให้ราคาบนเชืองเชื่อถือได้ที่ต้านทานการควบคุมจากศูนย์กลาง เราออกแบบกลไกออราเคิลเพื่อบรรลุความเห็นร่วม
มันประกอบด้วยเครือข่ายที่ไม่มีส่วนกลางของโหนด:
เนื่องจากอัตราส่วนค่าลักษณะยังคงคงที่ตลอดเวลา จึงไม่จำเป็นต้องอัปเดตน้ำหนักค่าลักษณะบ่อยครั้ง การอัปเดตน้ำหนักเป็นระยะๆ จากโหนดออรัคเลส ร่วมกับราคาพื้นแบบเรียลไทม์ ช่วยรักษาการกำหนดราคา NFT ระดับสินค้าอย่างแม่นยำในขณะเดียวกัน
อย่างไรก็ตาม หากเราเลือกที่จะไม่ใช้โมเดลนี้ด้วยน้ำหนักและเพียงเท่านั้นที่เราเห็นความเห็นร่วมเกี่ยวกับราคาที่สร้างขึ้นในที่สุด มันยังจะทำงานหรือไม่? โมเดลราคาที่แตกต่างกันสามารถมีผลกระทบอย่างมากต่อผลลัพธ์ของราคา NFT ที่หาได้เดียวกันสามารถประมาณให้เป็น 120 ETH หรือ 450 ETH การเลือกเฉลี่ยหรือมัมมีเดียนในกรณีที่มีการเบียดเบนมากๆ ยังคงทำให้เกิดความผิดพลาดอย่างมหายิ่ง อย่างไรก็ตาม การนำเอาน้ำหนักเข้ามาอาจทำให้ช่วงการเปลี่ยนแปลงราคายังคงเล็กน้อยและสามารถให้คำอธิบายทางตรรกะได้สำหรับราคา
เราเชื่ออย่างยิ่งว่ากระบวนการตั้งราคานี้ควรเป็นเชิงเป็นกลางอย่างเชื่อถือได้ให้สุด มิฉะนั้น มันจะไม่สามารถกลายเป็นข้อตกลงสำหรับนักซื้อขาย NFT ทุกคน ตลอดกระบวนการออกแบบทั้งหมด เราได้พยายามที่จะยึดถือตามสี่หลักเบื้องต้นหลักการของความเป็นกลางที่น่าเชื่อถือ 5:
การแนะนําน้ําหนักลักษณะเป็นสิ่งสําคัญ โมเดลแมชชีนเลิร์นนิงส่วนใหญ่เป็นกล่องดําขาดความโปร่งใสที่แข็งแกร่งทําให้ยากที่จะเชื่อถือราคาที่เกิดขึ้นและไม่สามารถบรรลุฉันทามติได้ อย่างไรก็ตามการแนะนําน้ําหนักลักษณะทําให้ราคาเข้าใจง่ายทําให้แต่ละพารามิเตอร์มีความหมายที่ชัดเจน: น้ําหนักลักษณะแสดงถึงอัตราส่วนของลักษณะพรีเมี่ยมต่อราคาพื้นและสกัดกั้นแก้ไขราคาพื้นและให้ค่าฐานสําหรับคอลเลกชัน น้ําหนักลักษณะจะถูกแบ่งปันในแต่ละราคา NFT เช่นเดียวกับลักษณะที่ใช้ร่วมกันในแต่ละ NFT
นับว่ามีข้อจำกัดบางประการอยู่:
ออราเคิลราคา NFT มีแอปพลิเคชันมากมาย โดยเฉพาะอย่างยิ่งในการให้กู้ยืม NFT การเช่าซื้อ ผู้ดูแลสภาพคล่องอัตโนมัติ (AMMs) การแยกส่วน และแอปพลิเคชัน NFTfi อื่นๆ นอกจากนี้ยังสามารถใช้เป็นข้อมูลอ้างอิงที่เชื่อถือได้สําหรับการทําธุรกรรมแบบเพียร์ทูเพียร์
คุณลักษณะของความเสมพันธ์ทำให้เกิดการแยกส่วนที่สัมพันธ์กันได้ ณ ขณะนี้ NFT AMMs หรือโปรโตคอลการแยกส่วนใช้พูลหลายๆ รูปแบบสำหรับค่า NFT ที่แตกต่างกัน ทำให้เกิดความเหี่ยวย่ำในการเปลี่ยนราคา ด้วยอัตราส่วนราคาที่คงที่ การแยกรายการเก่าใหม่สามารถรวมรวมคอลเลกชันทั้งหมดเข้าไปในหลอดเดียว ในการตั้งค่านี้ คอลเลกชัน ERC20 แทนค่าที่ทั้งหมดของคอลเลกชัน
ตัวอย่างเช่น ในกรณีของ Bored Ape Yacht Club (BAYC):
เมื่อราคาพื้น BAYC ลดลงจาก 25 ETH เหลือ 12.5 ETH, 1 xBAYC ลดค่าจาก 0.1 ETH เหลือ 0.05 ETH แต่อัตราส่วนค่าของพวกเขายังคงเท่าเดิมที่ 1044:255
อัตราส่วนราคายังคงคงที่ แม้จะมีการเปลี่ยนแปลงในราคาขั้นต่ำ ทำให้สามารถแยกแยะและแลกเปลี่ยนได้อย่างยุติธรรม
ผลงานนี้ได้รับแรงบันดาลจากบทความสองเรื่องที่เขียนโดย@vbuterinบทความความเชื่อถือได้ของความเป็นกลางเป็นหลักที่ 5ให้เราทิศทางในการสร้างกลไกที่เชื่อถือได้ฉันคิดอย่างไรกับบันทึกชุมชนแสดงตัวอย่างที่แน่นอนในการออกแบบอัลกอริทึมตามหลักของความเป็นกลางที่น่าเชื่อ
แต่การกำหนดราคา NFT แตกต่างจาก Community Notes ในทางที่ ราคาข้อมูลในสถานการณ์การซื้อขายต้องเป็นเรียลไทม์และไม่มีความเสี่ยงจากการแก้ไข การเปิดโอนโค้ดเพียงอย่างเดียวไม่เพียงพอสำหรับความเป็นเที่ยงซื่อในทางที่แท้จริง ต้องสร้างกลไกความเห็นร่วมบนเชนที่มีประสิทธิภาพ