可以叫我mmm| INFJ | 希望被大家喜欢😜 | 艰难找对象ing(ㄒoㄒ) | ｜(She/her)｜ask box: https://teapaw.org/t.co/1ZtwempEix Academic: @Pyuyi2333 |高P，线下查无此人😭| 帖子留言一般都会回，没回是看不到 | 希望互fo DM me
卡冈图雅
Joined August 2022
- Tweets2.3K
- Following259
- Followers2.2K
- Likes3.1K
Pinned Tweet
已严肃创建！
discord.gg/WCCAwvZw8
赶公交，一位巨漂亮华人小姐姐看我那一大坨行李，让我过去和她坐一起
自卑，然后小声拒绝了，然后公交开飞车颠簸差点摔了一跤😭
Check-in的时候两位大方自信，dress style 又漂亮的receptionist又给我整自卑了😭😭😭
虽然叫了miss但感觉未来的路还很漫长啊唉，尤其是在国内这种压抑环境下……希望日后也能成为大方自信又漂亮的人😢
BTW，indigo的房间好大（
我自己确实不是很在乎分数，就我自己而言做的东西都是我平时用得上的，分享出来大家能够点个⭐自然是厚爱，不点那也无可厚非。这个ghfind除了低分侮辱性语言比较恶心以外，打分倒是无可厚非（我记得早在这个出来之前好像就有打分的了，而且这本就是某种意义上弱肉强食的世界，，但是真的能够从各个角度客观公正的打分，甚至是还能提供给HR或者公司的打分，目前看来还不是很差强人意……我倒是觉得，真想认真做的话可以从下面几个地方尝试一下（要是不对的话就当看个乐呵叭（毕竟现在都不好找工作，能有一个量化过往工作的工具感觉还是挺不错的……
ghfind现在看来对贡献质量的判断仍较多依赖 PR 数量、改动行数、仓库体积、README 完整度和项目热度，优化的话可以尝试用construct validity与Causality Inference中的Intervention，先分别定义已经产生的贡献、解决任务的能力和异常行为证据，再对能够重放的任务比较加入或移除补丁后的正确性、性能与缺陷变化，对文档、审查和维护工作引入任务完成效果与独立盲评，使评价更多对应可验证的结果，并避免将活跃程度直接解释为技术水平，这一方向也符合软件工程SPACE框架强调的多维评价原则。
在账号年龄、项目受关注程度、贡献角色和公开数据覆盖存在差异的情况下，可以尝试用Layered Bayes与缺失数据的敏感性分析，分别建模不同角色、生态和观测条件下的表现，并为证据较少的账号报告较宽的不确定性区间，此外，如果还要比较个人能力，就应该另外设置共同的基准任务，利用IRT区分任务难度与参与者能力，在具备共同量尺和模型可识别性的前提下，减少把机会差异误认为能力差异的情况。
一个大型的pr往往由设计、实现、审查、测试和文档共同促成，而提交记录难以直接反映这些角色的实际作用，可以用有向图记录贡献依赖关系，以经过验证的成果为归因单元，在能够定义联盟价值、评估不同参与组合效果的任务中，尝试引入合作博弈的Shapley值及其Montecarlo approximation，按照不同加入顺序下的边际贡献分配信用，以总量守恒、对称性等明确公理约束归因，从而使协作信用的分配更透明，但这种公理意义上的公平依赖价值函数是否合理，也还需要另外考虑重复贡献、关联账号和私底下的py交易。
而按 PR 数量计分还可能鼓励人为拆分成果，这个时候可以用等价关系与不变性约束，把同一成果的不同提交表达归并，要求评分对无关社交行为和经确认的拆分、合并保持不变，进一步尝试结合Stackelberg博弈，将贡献者对公开规则的最优反应纳入评价系统的设计，通过关联关系核查、随机复核和策略性对抗测试，检验哪些行为能够以很低成本换取高分，再调整规则，使追求评分的激励尽可能与创造真实价值一致，而这种激励效果在当且仅当有明确的策略空间和成本假设下可以得到验证。
算出得分之后的排名模式还是固定权重的单一总榜，这会掩盖角色之间的价值取舍，并把很小的数值差异呈现为确定的高低，可以尝试采用稳健序数回归与偏序排名，在公开的合理权重集合和数据不确定性范围内检查排序是否稳定，只有稳定占优时才给出明确先后，其余情况展示并列、角色分榜，从而让排名表达证据实际支持的比较强度。
在调研评分系统的时候看到很多相关的论文以及前人的经验，希望你们可以借鉴，，并不是所有的论文都是slop……
祝好
