【本文来自《对退休金的理解》评论区，标题为小编添加】
我看知乎有人的分析是这样的，一个干部，战争时期没有背叛Revolution，和平时期没有重大贪腐问题，没有借人民的低息或无息银行存款反过来承包国企搞私有化，没有出卖国家利益叛逃到美国去，然后有一身伤病过劳后遗症，于是就用特护病房和相对较高的退休金作为抚恤了。
也说不清是否合理，因为有的时候战争年代幸存下来的可能不是一线战功最大的人，也许只是运气好被分配到后勤炊事班之类岗位的人，等他也因为牺牲人数过多不得不拿枪上一线时恰好敌人撤退了等等……
————
对于退休金，我觉得最好是这样，比如大家一起修建红旗渠，每天约定挖土100筐是100工分，这些工分当年不应该解冻到粮食生产的活期工分里，而要冻结成储蓄工分，9年或更多时间修建好了，灌溉增加了，粮食产量提升了，然后才开始解冻工分。
此时的1工分能兑换的粮食，乘以粮价，就能实现生产力发展红利分红。当所有的生产单元里的人，参加生产生产资料的活动时，登记的储蓄工分，随着生产资料建成，以及每年的老化损耗，逐渐解冻，逐渐兑换完用生产资料额外生产的生活资料后，就算发完了退休金。
如果发生严重天灾，如洪水等等造成减产，则解冻出来的工分在减产的那年，可以兑换的实物粮食减少，也就导致能换到的现金减少了。
如果后来风调雨顺增产更多了，则解冻出来的储蓄工分可以兑换更多粮食也就能兑换更多现金了。
只是这个系统，如何实现多个公社联合出资简称化肥厂后，把储蓄工分和化肥厂的化肥产值也联动起来，就不知道了。当垮的行业太多时，简单模型不够用。
而且高价值系数行业，如CPU、GPU光刻机，涉及几十万种专利，几十万种零件，相互交叉持有投资工分的算法会非常复杂。不知道该咋算。
————
补充一下古道老井版《科学经济学》定期工分的详细机制，免得一堆人又扯绝对平均主义。
【把个体的活期工资工分简称个活，群体的活期工资工分简称群活；把个体的定期储蓄工分简称个定，把群体的定期储蓄工分简称群定。
用每个人的个活除以群活的比值，去比上每个人的个定除以群定的比值。
不论所有人都约定强制拿出几成的活期工资去储蓄买机械设备，搞基建工程等等，该比值都应该是1。 如果大于1，就是活期工资拿多了，应该多参加点欠薪记账劳动，反之小于1，则下个月可以令其少参加点记账欠薪劳动。
（工分可以理解为一种股票和国债混合的劳动记账凭证，最早期的操作就是，假设年底产出1000斤大米，登记的劳动工分有1000工分，则每工分可以换1斤大米。 以前如果有挖沟渠之类的生产“生产资料”的劳动项目，不会登记成储蓄工分，而是直接在当年登记更多的活期工分。劳动者当时看不到对收益的提高，则只会导致储蓄性劳动在当年通过稀释工分价值，即1工分只能换更少的米，被以征收铸币税的形式无偿消耗掉了，反而导致以后粮食增产后，新加入的人是否能直接享受1工分可以兑换更多粮食的生产力水平，出现争议和纠纷。）】
（不过，多个工分制公社，如果产品的利润率差别很大，恐怕很难实现互相之间的员工自由流转，产值和工分值强制合并……虽然理论上当所有行业都是充分竞争的，本来就应该有人才自动均衡分布，各行各业利润率都趋同这样的情况。 但高级工业品产业链长，研发周期长，才有后来的高技术垄断性利润率，员工学习过程可能也会非常长，难以自由地经常换行业——技术难度差异很大。
目前美国有基于ChatGPT的Alpha学院，其能根据学生的学习进度，因材施教，个性化生成教学内容，最大限度发掘天才和大器晚成的人才。所以众有制社会下，应该给能通过高级教育考试的人补贴一些大模型tokens区块，且若有人通过众有大模型学成科学家后要移民国外，就要收弃籍税， 且要追加全国算力上升倍数的机会成本损失，比如假设数年前20亿区块是2万工分，现在2万工分能买450亿区块了，那就罚450亿区块的算力成本作为补偿。
另外可能还要定期考试，以及随机抽检，避免滥用算力去玩纯娱乐的没有学习作用的游戏？） （关于专利问题，阅读苏联专利方面的论文Russian Innovation in the Era of Patent Globalization后面的引文后，发现苏联有特殊的发明家奖励办法，由国家推广给企业，统计第一年节省的经费，再将其中一部分百分比奖励给个人，还有福利分房，教育特招，晋升等机会性奖励，原来苏联也允许生产力发展百分比性质的高额奖励的。
此外从MBA智库百科的资料看，苏联里海海军专利局的发明家阿利赫舒列尔总结了250万发明专利，整理出解决矛盾的40种规律，搞出萃智理论，在大学广泛传播，不过对外保密，批量培养发明家来提高发明者数量，降低发明难度。不过已有资料里没说苏联有没有让前几个发明人共享一份发明奖励的机制…… 投资工分制的作者所在的论坛上，其讨论的倾向于用集体众裁来评估要给发明家针对某项发明，登记多少一次性奖金工分作为奖励，不太认可搞连续20年随使用量不断增加的专利工分的复利模式。）
（关于工资工分，应该是能完成某项工作的人才有资格报价，比如8级车床车工才有资格报8级零件的切削单价，除非数控机床足够傻瓜化，有模板化的开源代码，下载下来随便修改一下就能做出来8级零件。不过当两个8级工的报价有差异时，目前《科学经济学》论坛上有些分歧，有的人认为应该是报价最低的人获得工作，使得报价高的人不得不向低报价逐渐对齐，反正最后工分制是能获得生产力发展红利的；也有的人认为应该是同一时间段内，工分报价特别低，
代表做某类工作觉得有趣，比如调试AI机器人的动作提示词觉得好玩的人，可以分配给其相对较长时间的工作，然后报价高一些的人，他们不能从这个工作中获得太多乐趣，可能只是为了买个什么新手机而工作——肯定不是为了养家糊口，因为高阶众产主义全社会都有低保压缩饼干自来水和高低床宿舍供应了，那么就分配给他们较少的劳动时间，也算是均衡社会厌恶度。但后一种方案有些人认为不够同工同酬……另外，其实我也没看懂他们用微积分等算法讨论的第二套工作分配方案。）
《科学经济学》（古道老井版本）部分文章学习笔记2
————
【多点赋值估价系统，类似外国Toluna调研网站上的电子问卷，给被随机抽样的有意愿自己做饭的公民（小米大模型问怎么确保是真自己做饭的？我认为可以通过多多买菜之类的食材购买记录来确定，只要比现在的问卷发放系统完全匿名乱答靠谱就行，不可能绝对无误差），看一个演示视频，如一个多功能厨用不锈钢剪刀，可以剪骨头，刮鱼鳞等等，问她们，你愿意多少钱买这个剪刀？此时你的购买意愿分数最低为+10分？
（最高+10，最低-10，后同） 如果高于多少钱，你不太想买（购买意愿不高于0分，后同），觉得开模费均摊还比较高？如果低于多少钱，你也不太想买，觉得可能是201不锈钢偷工减料（其实众产主义工分制社会下不应该有这样的造假，或许应该改成，担心价格太低会导致停止生产，但你个人还没买到。众有制社会下耐用品不需要经常更换，所以报价太低的话也是有可能停产的）？
然后用类似股市的曲线计算方法就能统计出来产品售价是多少元时，大众购买意愿分数平均值最高，这个价格就是产品的社会均衡满意度价格。 用这个价格，除以目前的全产业链综合工分成本总值（可以看作社会总厌劳度），可以得出该产品的价值系数（或者说效用系数）。 优先调整人力生产系数高的产品，可以完成资源配置优化。
当然这种随机抽样多点赋值价格评估要定期重复（每一期都要诚实告知研发成本、开模成本均摊减少后，实际的边际成本是多少？从而新一轮调研中，还没买但目前打算买的，目前未买人群中，出价最高者的报价减少，最终促使平均报价下降，避免苏联模式下的初期因为设计成本没有回笼价格高，后期不及时调低总维持高价，反而国企有内部高利润，最后自发抵制新产品生产的问题），还需要用最小二乘法排除乱报价格的捣乱分子，并由AI自动降低捣乱分子的权重系数，以后随机抽样到这些人时将其赋值边缘化。 除非一段时间后这类人改邪归正，不再乱报价，则AI会自动恢复其权重系数。
而对于受气候影响生产风险较大的副的产品，则需要设计对冲生产方案。譬如，金拱门要出一个炸鸡产品叫麦乐鸡，他们怕鸡饲料价格波动导致产品最后会亏损，就委托管理千亿美元的桥水基金会设计对冲方案。 桥水基金会的瑞·达利欧招募了农业专家和气象专家，分析多国的降雨量与粮食产量的关系，发现某些降雨量负相关的地区（如其中一个产玉米的地区的降雨减少，另一个产大豆地区的降雨就增加），
然后同时买入多组降雨量负相关地区甚至国家的粮食期货（也就如前述的大豆和玉米，当然实际上要复杂得多）， 如此就能保证一种饲料的产量减少价格增高，会被另一种饲料的产量增加价格降低对冲抵消掉大部分，进而稳定粮食价格，再稳定饲料价格，最后稳定麦乐鸡价格。
最终金拱门就能推出麦乐鸡。桥水基金会的AI会自动罗列专家们给出的购买方案，再由专家们给各个购买项目打分，并经过专家历史预测正确率，计算出每个专家的打分权重，最后每个专家的即时打分乘以历史可信度权重，可以得出每个购买方案的总目前得分。
得分最高的一个或多个购买方案被执行。如果后来发现专家的预测错误，某组降雨量负相关地区没有出现负相关，桥水基金会的AI还会自动降低专家的历史预测正确率权重系数，从而在下次决策中进一步稀释相应专家的意见影响。
基于超算、AI、功绩主义每人每项多分制众裁（以避免阿罗不可能定理与孔多塞悖论），桥水基金会虽然是个对冲基金，但一定程度上实现了苏联计划委的稳定粮食产量的对冲生产方案宏观计划效果。 这就是大数据统计时代的宏观计划经济2.0的雏形。
还可以用多点赋值算法， 去估算一个制造社会内耗的行为要罚款多少工分，通过统计当地人工作工分中位数，可以换算出这个内耗行为在制造内耗者付不起罚款时，要判服劳役多少年。 如此就实现了大数据统计随机抽样高频动态立法和司法。
不过测谎仪证据在准确率无法达到99.9%以前可能很长时间还是无法当有效证据？以色列的面部微表情阵列式测谎仪听说也就73%准确率，已经号称全球第一。可能证言真伪鉴定还没法一步到位全自动。 好在从短视频平台来看，视频是否AI合成可以用另一个AI来判定，不用太依赖人类专家鉴定了。那么理论上有不少执法行为，都可以用开源大模型自动完成了。就可以尽量减少人的干扰因素。
搜集了足够多的历史数据后大模型其实就可以充当AI陪审团，自动对一些案件进行判罚——如此就可以绕开官僚阶级对司法权的垄断。如果有人不服AI的判罚，可以交一些押金，召开真人陪审团进行众裁，若是结果和原来AI判罚的差不多，还是不利于其本人，误差在5%以内，押金就被罚没作为真人陪审团误工费； 如果判罚有利于其本人，误差大于5%，有统计学显著性，就是AI出现了机器幻觉，需要修正开源代码和训练数据库，此时押金需要退还给被误判的当事人，陪审团误工费由国家收税补偿。然后再分析AI开发者是否有玩忽职守问题？有的话可能也要罚点钱作为惩罚。
最后最大贫富差异缩小到3至6倍以内（参考西班牙蒙德拉贡合作社早期到中期），或者42到240倍以内（参考苏联），可能没有那么高的犯罪率了。】
（破解孔多塞悖论的例子：比如一人正负一票制下，甲投A1票，B0票，C-1票；乙投A-1票，B1票，C0票；丙投A0票，B-1票，C1票。则A、B、C选项都是0票，无法决策。 而一人正负多分制下，甲给A打3分，B打2分，C打-1分；乙给A打1分，B打3分，C打2分；丙给A打-1分，B打2分，C打3分。则A是3分，B是7分，C是4分，B选项得分最高可以通过。 再不行还可以精确到小数点后1位或2位，类似国内仿制版多点赋值网站gping.cn上测试的那样，使用滑块式输入界面来增加输入数字小数点后面的位数，增加2位，最大限度避免分数相等，同时对个人来说偏好序关系的误差较低。）
<不过第一次实验多点赋值算法用于处理涉纠纷出乱子了……也就众裁平台分两次众裁，对于商家卖皮鞋有异味，打骚扰电话，顾客母亲觉得烦躁剪断了电话线这个事情，一开始虚拟裁决商家要赔很多钱，但商家找的律师说顾客隐瞒了口头同意赔10元改差评，最后反悔，没要钱也没同意改，所以商家才用黑客手段修改顾客评论的，又变成虚拟裁决商家赔10元即可。 然后一开始只接触一阶段信息的人设定赔高价，因为偏离二阶段的复制，还被降低了道德权重系数，我是气得和创始人吵架的。什么鬼玩意？用黑客手段修改顾客评论，发现即封店，违反计算机安全法，电商从不容忍这种行为！
留差评是顾客天经地义的权利，持续打骚扰电话让人在烦躁情况下同意收10元改好评也算顾客违反协议？ 真是奇了怪了，打骚扰电话会搜索降权好几个月，电商从不姑息这种事情！顾客只要通过电商投诉途径举报，这商家这个店铺直接就废了，还可以去公安机关报警呢。最后莫名其妙二阶段信息公开后，大家就180度同情商家了？真是匪夷所思。 不过更奇怪的是商家说差评影响其生意，但电商有规定差评生效要好多天以后，商家不评论理论上差评暂时就不生效，不过更奇怪的是理论上商家这时候也不应该看到差评内容才是？……
莫非又是通过了啥黑客手段提前看到的？电商的评审群里我也和一些陪审员讨论过这个案例，其中有人说听说过有这种提前看差评黑客插件，但没见过，不知道真假。这件事情扑朔迷离。 而这个事情让我认识到多点赋值算法有个隐蔽缺陷，AI是可以通过最小二乘法去分析乱赋值很高或很低的人，并降低其权重，但是如果持续性降低其权重，但事后发现少数人的赋值才是正确的呢？
多数人不懂现有的反黑客入侵法赋值过轻，要追加修正降低多数人权重吗？要给少数人补更高权重吗？道德系数持续生效很长时间很奇怪。 还有个问题像是童年被霸凌过的人会给霸凌案的凶手设置较高的罚款和赔款额度，这叫道德系数低，还是未经她人苦，不知道搬家，看心理医生花了多少钱，没资格赋值霸凌案受害者要承受的经济损失额度呢？ 我个人感觉那个道德权重系数应该继续调整，搞出多个维度，并且参加众裁的人，应该像通义千问3.0Plus版AI说的那样，参加一些电商平台禁忌规则考试，要不然基础认知差异太大，众裁额度差异太离谱了。
怪不得现实中电商平台的众裁一般就是支持商家交易成立？还是支持顾客退货退款，顶多也就是谁付退货运费有点分歧，不搞太复杂的众裁。 可惜那个公正主义论坛众筹60万去搞金融炒外汇，打算赚钱后山寨胖东来超市的计划，因为最后美国发动贸易战，但却没有发生美股像次贷危机时那样大跌，所以亏了手续费，没赚到，貌似退款拉倒，后来就缺乏大的活动了。>《科学经济学》部分文章学习笔记1