4.4.1 专家来源
Fractal针对每个行业和每个维度，起初采取定向邀请制，时机成熟后将开放专家注册。主要人群为各行业及维度分析师，包括行业专家、学者、投资人、创业者、从业人员、投研分析师、
区块链代码人员等，这些专家必须在Twitter、微博、LinkedIn有被认证过的身份。
4.4.2 专家的准入门槛
对于专家们的准入，利用社区投票机制，由社区大众成员对已注册或被邀请的专家进行投票以决定他们是否可以加入
评级团，社区成员投票需要用测评币进行投票，并且每人及对应的网络终端只能投一票以防恶意刷屏行为，用户的投票动作是用户查看项目评价报告而必须付出的工作。
4.4.3 去中心化评价优化机制、 反贿评机制、反恶评机制
首先，每位专家对每个项目的评审结果和动作都被永久记录在Fractal链上，这首先从区块链账本机制和人性角度最大限度的杜绝了专家进行不正当评价的可能性；其次，在评价的过程中，每个项目的每个维度，都是由多位专家进行共同评价。Fractal团队认为同一领域的专家们最能知道该领域的真相，为了杜绝明显的不正当或质量较低的评价，由对该维度进行评价的专家们之间进行交叉打分（每人一票，为了增加打分的严肃性，专家之间打分也许用fractal代币进行打分），被打分排名最低的30%的评审人员的评分将不被纳入评审结果，并被永久记录。
4.4.4 专家群体性串通、亦或不作为造成的恶意、贿赂、不佳评价后的后果
最终评价结果是以团队co-work一起展示给公众，假若专家们对其他专家的恶意、贿赂、不优评价置之不理，日后若出现公众对该测评结果存在确凿证据的其他看法，该项目对应维度测评专家团队所有人都将被一致性进行惩罚被记差分。
4.4.5 Fractal对被评为末尾的专家进行的惩罚机制
无论是因为经验的缺陷、亦或恶意评价，或者受贿评价，对于进了末尾的专家，日后参与其他项目测评，fractal设计了一系列的降权逻辑，从根本上降低该专家日后成功参与评价的概率，进而导致他收入降低。比如，在某个项目的评价上，某专家被其他专家打分认为其评价不到位，并在交叉打分的过程中被评为不可采用专家评价。那么日后他再参与第二个项目评价活动，被其他专家互评后的得分会被再乘以90%。显而易见，因为第一次的不谨慎或者其他主观不良动机，该专家日后评价意见被选中的概率会被降低。
版权申明：本内容来自于互联网，属第三方汇集推荐平台。本文的版权归原作者所有，文章言论不代表链门户的观点，链门户不承担任何法律责任。如有侵权请联系QQ：3341927519进行反馈。
