FlareWatch attribue à chaque fournisseur de données FTSO un score composite de 0–100 sur 12 dimensions notées. Les mathématiques sont déterministes, les entrées sont des données publiques on-chain et de l'écosystème Flare.[Flaremetrics] [FSE] [Flare Explorer], et le même algorithme s'applique à chaque fournisseur — y compris le propre fournisseur FTSO de FlareWatch, qui est marqué par cette fonction exacte sans traitement particulier. Cette page documente chaque dimension et seuil afin que les délégateurs et les opérateurs puissent voir exactement comment le score est calculé et pourquoi chaque valeur a été choisie. Chaque affirmation ici se lie à sa source en amont principale — voir Sources et références en bas.
mode délégation sur la page des validateurs (délégation de WFLR aux fournisseurs de données FTSO pour la part d'inflation FTSO). Le score du validateur affiché en mode staking (délégation de FLR à un validateur P-Chain pour les récompenses VRM + MIRROR) utilise un algorithme distinct à 9 dimensions axé sur les opérations du validateur — disponibilité, frais, fiabilité, etc. Ce sont des rôles on-chain distincts avec des récompenses distinctes, notés séparément. Consultez Méthodologie du score du validateur pour le côté staking.| 90+ | Tier supérieur — top ~10–20 % des fournisseurs FTSO. Profil typique : taux de récompense supérieur à la médiane, haute précision, participation complète au protocole V2 (FTSO Scaling + Fast Updates + FDC), frais faibles ou nuls, grande base de délégateurs, nœuds validateurs payant MIRROR, marque nommée. Aucune dimension unique requise — les fournisseurs atteignent le tier supérieur en accumulant la force dans la plupart des catégories. |
| 80–89 | Fort — répond à la plupart des critères clés ; une ou deux dimensions en deçà du tier supérieur. |
| 70–79 | Bon — répond à tous les critères de base ; aucune lacune majeure. |
| 60–69 | Acceptable — utilisable mais non différencié. |
| <60 | Sous la médiane — lacunes significatives dans une ou plusieurs dimensions. Fait mathématique, non un jugement de qualité. |
if (rate <= 0 || medianRate <= 0): score = 0 else: ratio = rate / medianRate score = min(25, round(ratio * 12.5 * 10) / 10) // 1 decimal place // Anomaly detection: providers > 3× the median are capped at // median × 3 for scoring purposes (prevents data outliers from // distorting the linear curve).
if (fseAccuracySecondary > 0): pct = fseAccuracySecondary / 100 if (pct >= 97) score = 25 elif (pct >= 95) score = 18 + (pct - 95) * 3.5 // 95 → 18, 97 → 25 elif (pct >= 93) score = 16 + (pct - 93) * 1 // 93 → 16, 95 → 18 elif (pct >= 90) score = 13 + (pct - 90) * 1 // 90 → 13, 93 → 16 elif (pct >= 85) score = 10 + (pct - 85) * 0.6 // 85 → 10, 90 → 13 elif (pct >= 80) score = 6 + (pct - 80) * 0.8 // 80 → 6, 85 → 10 else score = max(0, 2 + (pct - 70) * 0.4) elif (fseAccuracyPrimary > 0): // Primary fallback: similar piecewise linear curve. else: score = WEIGHT_ACCURACY / 2 // Neutral — no FSE data
earned = last 12 epochs where rewardRate > 0, keyed by epochId pairs = [earned[i-1], earned[i]] where epochId[i] - epochId[i-1] == 1 if (pairs.length < 3) return 10 // Neutral — too few consecutive pairs // DOWNSIDE volatility only: rises never hurt, so a stable or RISING // rate scores near full and a recovery lifts the score. Only drops // between CONSECUTIVE epochs count, in proportion to depth (RMS), // weighted toward recent pairs so an active recovery pulls the score up. drops[i] = max(0, (prev - cur) / prev) // rise -> 0 w[i] = 0.8 ^ (age of pair) // newest pair = highest cv = sqrt( sum(w[i] * drops[i]^2) / sum(w[i]) ) score = max(0, round((1 - min(1, cv * 6)) * 20 * 10) / 10)
if (!isActive) score = 0 // see "Active" below
else:
score = 3 // active baseline
if (hasSubmitAddress AND hasSigningPolicyAddress AND voterRegistered):
score += 4 // V1 registered
if (fseFtsoScaling) score += 8/3 // ~2.67 each
if (fseFastUpdates) score += 8/3
if (fseFdc) score += 8/3
score = min(15, round(score * 10) / 10)anchor = max(lowest active fee observed, protocol fee floor) // FIP-16 sets a 20% minimum entity fee. All 98 providers charge // exactly 20%, so the anchor is 20% and nobody is docked for // charging the only fee the protocol permits. Same curve and // same anchor the validator page's Fee dimension uses. if (!isActive) score = 0 d = fee - anchor // distance ABOVE the best real offer if (d <= 0) score = 15 // at or below the anchor → full marks elif (d <= 5) score = 15 - d * 0.43 elif (d <= 10) score = 12.9 - (d - 5) * 0.64 elif (d <= 15) score = 9.6 - (d - 10) * 0.86 elif (d <= 20) score = 5.4 - (d - 15) * 1.07 else: score = 0 // extractive
if (no fseNodeIDs) score = 0 if (mirrorStatsMap empty) score = 12 / 2 = 6 // Neutral seed before data lands activeCount = nodes_with_status_active fraction = activeCount / fseNodeIDs.length base = 12 * fraction // Overperformance bonus per node, applied only when ALL gates pass: // - >= 30 days observed since first reading (firstObservedAtMs) // - >= 3 paid stake observations // - finite medianOverpaymentRatio // Bayesian shrinkage with prior k=5 toward 1.0 (neutral): // shrunken = (observedRatio * N + 1.0 * 5) / (N + 5) // Bucketed bonus from shrunken: // < 1.05 → 0 < 1.15 → 1 < 1.30 → 2 >= 1.30 → 3 avgBonus = sum_per_node(bonus) / fseNodeIDs.length score = round((base + avgBonus) * 10) / 10
if (count <= 5) score = 0 elif (count >= 500) score = 12 else: ratio = log(count / 5) / log(100) // maps [5, 500] → [0, 1] score = round(min(12, max(0, ratio * 12)) * 10) / 10
if (fseActive) score = 10 elif (rewardRate > 0) score = 7 else score = 0
change = abs(votePowerDailyChangePct * 100) if (change < 1) score = 10 elif (change < 3) score = 10 - (change - 1) * 1.5 // 1 → 10, 3 → 7 elif (change < 5) score = 7 - (change - 3) * 1.5 // 3 → 7, 5 → 4 elif (change < 10) score = 4 - (change - 5) * 0.4 // 5 → 4, 10 → 2 else score = max(0, 2 - (change - 10) * 0.1)
if (no fspData OR totalEpochs <= 0) score = 5 // active window = epochs from the provider's first paid epoch to now missed = (active-window epochs) - (epochs the provider was paid) score = max(0, 10 - missed * 3)
if (no name) score = 0 elif (name starts with 0x or matches hex regex) score = 0 elif (name.length < 4) score = 4 else score = 8
ownBond = operator's own P-Chain node bond (FLR) total = ownBond + delegated WFLR vote power alignment = piecewise-linear ratio curve (0% → 0 … ≥10% → 7) absolute = min(7, ownBond / 5,000,000 * 7) // saturates at 5M FLR score = max(alignment, absolute)
fspRewardRate, delegationFeePercentage, wNatWeight et votePowerDailyChangePct.providersuccessrate.secondary pour la précision, plus les drapeaux entityminimalconditionslatest.ftso_scaling / ftso_fast_updates / fdc pour le statut V2.RewardClaimed avec claimType=3 faisant référence à vos nodeIDs. S'il n'y en a pas de récents pour l'un de vos nœuds, vous apparaîtrez comme inactif MIRROR sur le score.// Step 1 — Raw composite (sum of 12 dimensions, max 172)
raw = rewardRate + accuracy + consistency + v2 + fee + mirror
+ delegators + participation + stability + compliance
+ identity + selfBond
// An UNMEASURED reward rate is not a FAILED one. When a provider is
// demonstrably distributing but we hold no rate figure for it, the
// Reward Rate weight leaves the DENOMINATOR rather than scoring 0
// against it — we score what we measured, over what we could measure.
maxRaw = (rewardRate figure missing AND isActive) ? 172 - 25 : 172
normalized = round((raw / maxRaw) * 100)
// (The separate vote-power dilution penalty was REMOVED in v4.9. It
// double-counted: an over-cap provider already earns a below-median
// realized reward rate, so the median-anchored Reward Rate dimension
// docks it for dilution once. Cap proximity is now a neutral DISPLAY
// signal on every provider, not a second deduction in the score.)
// Step 2 — Dynamic weight redistribution
// Across the active provider set, dimensions where everyone clusters
// (stddev < 1.0) become non-discriminating. Their weight gets
// redistributed evenly across dimensions where the spread is wider
// (stddev >= 1.0). The redistribution recomputes the score:
//
// for each dim d:
// multiplier[d] = 1.0 if stddev[d] < 1.0
// = (weight[d] + bonus) / weight[d] otherwise
// bonus = sum(weights of low-stddev dims) / count(high-stddev dims)
//
// adjusted_raw = sum(breakdown[d] * multiplier[d])
// adjusted_max = sum(weight[d] * multiplier[d])
// final = round((adjusted_raw / adjusted_max) * 100)
// Step 3 — Final score (capped at 100)
score = min(100, final)services/ftso/scoring.ts dans la base de code FlareWatch. Les opérateurs ou chercheurs qui souhaitent inspecter l'implémentation directement (plutôt que de lire la prose + les formules ci-dessus) — ou qui souhaitent le forker pour leur propre usage — peuvent envoyer un email à [email protected] pour demander l'accès. Nous publierons le fichier en tant que package open-source autonome s'il y a une réelle demande./api/cron/refresh-validators, qui recalcule le score de chaque fournisseur actif toutes les 5 minutes (la même exécution qui reclasse les validateurs P-Chain). Les entrées (Flaremetrics, FSE, récompenses FSP, événements V2 RewardManager) sont récupérées à neuf sur chaque exécution.