>ビルアカウント検知（SAD）モデルは、主にデータ運用班によって運用されています。彼らは、シビル対策運用プロセス（ASOP）をエンドツーエンドで担当しています。人間が無作為に抽出したアカウントを評価し、モデルを統計的に検証するとともに、コミュニティ・インテリジェンス班が新しい「機能」として組み込むことができる新しい行動の洞察を特定し、機械学習モデルへの入力とします。

>人間の評価は、バイアスを取り除き、シビルアカウント検出アルゴリズムの学習率を向上させるために重要ですが、スチュワードはこの労力を軽減するためにFDDを選択しました。

>

> GR14 = 1.00ドル/評価｜10人の貢献者による3,000件の評価で3000ドル

> チームの再構築

> 品質を上げながら評価量を削減

> レビュー単価を約30％削減

> GR13 = 1.42ドル/評価｜37人の貢献者による12,000の評価で17,050ドル

> 2度目の「シビルハンター」による品質向上

> 採用・実行体制の確立

> 品質向上とコスト・評価の低減に注力

> FDDのミーム文化を引き出した

> GR12 = 4.39ドル/評価｜25人のコントリビューターによる6,000件の評価で26,350ドル

> GitcoinDAOの全コントリビューターに参加を開放

> インプットを改善するために、初のレビュアー間信頼性分析を実施

> システムへの入力データの品質向上に注力

> インプットを正しくし、新たな参加者を呼び込むためのコストが高い

> GR11 = 1.25ドル/評価｜8人のコントリビューターによる1,400の評価で1,750ドル

> DAOが主導する初めての評価 - コアチームとSMEによる支援のため、専門家の時間がかかるため、おそらくコストが高くなる

> かなり低品質で、トレーニングもほとんど行われなかった