仪表板维护者备忘录 v0.2.13

如果 v0.2.13 升级提案获得通过，并且在主网上成功执行了升级，仪表板将需要更新其计算 CPoC 确认权重的方式，并在升级后刷新其缓存。

这适用于 Gonkascan 及其他类似的仪表板部署。

主要仪表板影响

1. 新的确认权重计算方式

仪表板必须在计算 weight_to_confirm 时使用链上提供的 confirmation_weight_scales 快照。

简单来说：仪表板应停止假设始终可以使用当前参数加上子组模型。现在链会快照记录哪些模型计入 CPoC 以及该纪元使用的比例因子。

这是仪表板必须进行的主要逻辑变更。

v0.2.13 升级中的代码参考：

• inference-chain/proto/inference/inference/epoch_group_data.proto：EpochGroupData.confirmation_weight_scales 和 ConfirmationWeightScale
• inference-chain/x/inference/module/confirmation_weight_scales.go：buildConfirmationWeightScales
• inference-chain/x/inference/types/weight.go：用于确认权重计算的辅助函数

实施指导：

1. 获取根纪元组数据： text /chain-api/productscience/inference/inference/current_epoch_group_data /chain-api/productscience/inference/inference/epoch_group_data/{epoch_id}2. 如果根目录下的 epoch_group_data.confirmation_weight_scales 存在且非空，则以其内容作为权威数据源。

2. 仅遍历 confirmation_weight_scales 中的条目，不要额外包含未在 confirmation_weight_scales 中出现的根目录 sub_group_models 条目。

3. 对于每个 scale 条目： text model_id weight_scale_factor获取该模型子组： text /chain-api/productscience/inference/inference/epoch_group_data/{epoch_id}?model_id={model_id}5. 在该子组的 validation_weights 中找到参与者。

4. 从该子组的 ML 节点计算原始模型权重： text raw_model_weight = sum(validation_weight.ml_nodes[].poc_weight)不要使用根目录下的 validation_weight.weight 作为此分母。

5. 对每个模型的贡献进行缩放和取底： text scaled_model_weight = floor(raw_model_weight * weight_scale_factor)8. 对所有 confirmation_weight_scales 条目求和： text weight_to_confirm = sum(scaled_model_weight)9. 使用根目录下的 validation_weights[].confirmation_weight 作为已确认的分子。

6. 如果链参与者数据包含 current_epoch_stats.confirmationPoCRatio，则优先将其作为权威的显示比率。

7. 如果没有权威的链上比率，则本地估算值仍为： text min((confirmation_weight / weight_to_confirm) / 0.909, 1.0)遗留回退机制：

8. 如果 confirmation_weight_scales 缺失或为空，则对旧纪元保持原有逻辑：使用根级 sub_group_models，加上当前或历史参数模型的缩放因子。

9. 此回退机制仅适用于 v0.2.13 之前的旧数据。对于 v0.2.13 及之后的纪元，应优先使用快照中的 confirmation_weight_scales。

注意：在简单情况下，新方法与旧方法的结果一致是正常现象，特别是当唯一被确认权重缩放的模型，其子组权重等于其 ML 节点 PoC 权重之和时。关键变化在于“事实来源”：confirmation_weight_scales。

2. 升级后需重置缓存

v0.2.13 版本升级会就地修改部分现有链上数据。它会回填确认权重缩放因子，可能更新确认权重，更改模型缩放参数，并新增 MiniMax 机制。

简单来说：仪表板可能仍缓存了升级前的旧数据，而链上数据已是修正后的新值。

在 v0.2.13 升级后，必须清除或重置仪表板缓存。仅重新部署可能不够，除非同时清除了仪表板的缓存数据库或存储卷。如果缓存数据库在重新部署后仍保留，则需手动删除/重置，或添加管理员缓存重置接口。

此操作应包括当前纪元的数据行和最近的奖励总额。由于奖励值是从链上摘要中读取的，因此这不是前端公式变更的需求，而主要是避免保留旧的缓存总额。

例如，在 Gonkascan 中，这意味着需要从缓存数据库的 participant_rewards 和 epoch_total_rewards 表中清除最近的记录，以便现有的奖励轮询机制能够重新从链上获取 epoch_performance_summary。

可能的操作步骤：text After chain upgrade: - redeploy dashboard - clear dashboard cache/current epoch cache - recalculate recent reward totals在进行主要工作时的小检查：

• 由于 v0.2.13 升级引入了 MiniMax，需确保仪表板从链状态读取模型 ID，而不是从硬编码列表中读取。
• 确保 MiniMax 作为新模型出现时，不会破坏模型/参与者显示。

实用检查清单

• 更新仪表板 CPoC 的 weight_to_confirm 逻辑以适配 confirmation_weight_scales。
• 当存在该快照时，仅迭代 confirmation_weight_scales 中列出的模型。
• 使用子组 ML 节点的 poc_weight 总和作为每个模型的原始分母。
• 如果存在链上的 current_epoch_stats.confirmationPoCRatio，则继续优先使用该值。
• 升级后，重置仪表板缓存，或清除缓存数据库后重新部署。
• 作为缓存重置的一部分，重新计算最近的奖励总额。
• 检查参与者表格和弹窗中的权重、抵押、奖励和确认率显示是否正确。