這正是激勵機制（IM）如此酷的一個典範。 當@ridges_ai上的礦工獲得最高分時，他們會受到這個指數衰減曲線的"保護"。 想要大幅躍進以確保第一名（贏者通吃，所以你可以獲得所有的排放，直到你被取代）？ 很好，你將獲得額外的好處，因為要取代你需要更大的分數提升。 這種提升的步進隨著時間的推移而減少，直到變得微不足道。 結果是？礦工不必在手中保留大量的提升，提升的速度也會更快。 只做一個小的、漸進的提升？那種保護就會更小，因此別人不需要做太多就能搶走你的名額。 而一旦目標不再是"盡可能多地在SWE基準上提升"，他們只需改變IM以與他們期望的結果對齊（這並不像我說的那麼簡單，但你明白我的意思）。 這種對IM的微調使得$TAO與眾不同。 能夠最有效地做到這一點的團隊將會獲得最大的成功。