FACTS是成功解決諸如Facebook. Twitter 等社交媒體及各種互聯網內容平臺上，虛假內容泛濫成災，事實線索不清晰，信息繁雜不利識別等嚴重問題的唯一途徑；。同時，因全面引入細粒度的用戶激勵體系，FACTS 也為類似于維基百科和Quora等提供優質內容的平臺解決了真實性判斷和用戶傳播動力不足的問題。

FACTS的核心是構建一套基于區塊鏈技術的“事實內容激勵機制”即Proof ofFacts （PoF）， 并由此形成以事實圖譜（Facts Graph）為基礎的真實可信內容庫。FACTS的事實內容激勵機制及事實圖譜，以統一-接口的方式對所有內容類DAPP開放，形成一條服務內容生態的垂直公鏈。事實激勵機制的設計秉承“中立性”和“可驗證性”的真實內容觀，任一真實可信內容都是通過引用或依據其他合理的事實依據來證明自身真實可信，內容評審團保障這一機制執行到位，確保事實圖譜的質量，而事實指數（FACTS Index）是反映內容的真實可信情況的核心參數，讓用戶一目了然。

FACTS的獎勵機制是通過獎勵用戶的每一個有益于社區的行為來提升內容可信度和可信內容的傳播度。在擁有共同價值觀的內容社區中，用戶通過生產真實可信內容、挖掘內容真實度、傳播真實可信內容等有益行為獲得相應的通證獎勵。

FACTS底層的內容池（Facts Pool）不斷的更新及完善，形成網狀互聯的結構化事實圖譜。這能讓內容社區中的每個名詞、每個事件每個觀點做到有據可查，有理可依，能為用戶大幅度減少判斷成本，優化閱讀體驗。內容池中的每個內容被合理引用之后，內容生產者將會得到相應的獎勵，以鼓勵內容生產者為社區創造更多內容價值。

綜合來看，在FACTS完善的去中心化以事實驅動機制的作用下，網絡上虛假內容泛濫、創作動力不足、傳播效率低下等問題可以得到完美解決。

FACTS基于事實的激勵機制（PoF）

1.FACTS解決方案概述

FACTS的核心是構建一套基于區塊鏈技術的“事實內容激勵機制”即Proof ofFacts （PoF）， 并由此形成以事實圖譜（Facts Graph）。為基礎的真實可信內容庫。FACTS的事實內容激勵機制及事實圖譜以統一接口的方式對所有內容類DAPP開放，形成一條服務內容生態的垂直公鏈。FACTS創建了-套能夠有效反映出內容真實可靠性的“FACTS Index”評估模型對內容進行評估，并生成該篇內容的FACTS Index，為內容評審團和用戶提供強有力的可信度參考，通過內容評審團審核的可信內容存儲在事實內容池（Facts Pool）中，并由NL P23引擎自動構建事實圖譜，沉淀出海量的可信內容。

為了直觀的描述不同內容渠道的可信賴權重，FACTS引入事實權重（FACTS Rank）。事實權重基于類似于Page Rank算法，通過計算內容相互的引用關系，賦予不同內容或內容渠道相應的Rank數值。

在FACTS鏈上存儲的是賬本數據以及需要激勵的用戶關鍵行為數據，FACTS的內容則存儲在基于IPFS協議的內容尋址文件系統中，鏈上只存儲內容的索引。事實內容池的內容通過NLP引擎的分析處理，將不斷的生成和更新相應的事實圖譜。

為了降低內容評審團的工作量，提高效率， FACTS還提供了豐富的Al自動化工具，包括自動防水垃圾和自動化查重等。

2. FACTS激勵機制（PoF）

PoF （Proof of Facts）是基于FACTS行為的激勵機制，用戶通過對于事實內容的創建、補充、評審、舉報、閱讀， 分享、點贊等行為，將自己的學識和經驗用于到判斷事實內容中，都可以認為是用戶為事實內容作出貢獻。PoF會按照每個用戶對于事實內容的貢獻程度進行統計， 最終按照FACTS激勵模型獲得獎勵。

2.1 獎勵池

FACTS提供一個公平合理的公共獎勵池。內容消費者通過分享、點贊、注解、評論等操作與內容形成有效的互動即可獲得獎勵池分配的權利，同時內容生產者也會因內容消費者互動數量的增長而獲得相應的通證獎勵。所有獎勵均會有一個獎勵冷凍期，即申訴期，只有申訴期結束而且沒有受到舉證之后才會發放到用手中。

獎勵池核心算法示例：

2.2 評價權重、精力值

對內容的評價分為正面和負面兩類，正面評價包括點贊、打賞等，負面評價包括踩、糾錯、舉報等，也同時將中性行為如分享、評論、內容完善等行為按一定權重計算為內容評價因子。用戶對內容進行評價時涉及到精力值的消耗。

用戶的每次評價行為都會消耗一定的精力值， 同時也會因為參與了內容互動而獲得FACTS Token獎勵。當精力值消耗完畢之后，用戶仍然可以繼續參與互動，只是將不會獲得相應的FACTS Token獎勵。精力值按照時間逐步恢復。

精力值的引入基于兩個目的：

1.防止活躍用戶占據過多的評價權重。

2.防止通過注冊僵尸用戶來獲取大量的評價權重。無論是正面還是負面評價，以單次有效評價行為所產生的評價權重為參數來調節精力值擁有量對評價權重的影響。

精力值的規則設定為：

1.最大精力值固定不變

2.精力值按照特定時間恢復

3.用戶的每次創作/互動/傳播行為會消耗一定的精力值

4.當用戶消耗精力值進行的行為，將按照行為激勵系數從獎勵池獲得對應獎勵

5.當用戶耗空精力值后，所進行的行為，行為仍有效，但是不再能從獎勵池獲得激勵

2.2.3 判定期

在內容發布之后一-定天數內的評價將破用來計算內容應被分配的收益，期滿后，系統將自動計算作者的應得收益。這意味著，在到期確定收益分配的時候，所有的內容以它們收獲的凈評價權重來按比例地分配待分配收益。優質的內容常常會引發更多的優質內容，而在Quora和知乎這樣的模式下，優質的回答常常是由好問題引導的30，平臺需要對引發優質內容的內容給予回報。

2.4 申訴期

一條內容會在評價期滿之后計算收益。為了留下充足的時間甄別侵權、真實性等屬性，收益還要一定的鎖定期31才能到達作者手中。

為了防止惡意作者發布侵權或違規的內容，用戶可以通過發起內容舉報申訴發起新一次的內容評審團。系統根據內容評審團的表決結果對該類內容進行凍結，內容生產者也無法獲得常規狀態下能夠獲得的收益。在申訴期內，內容生產者也同樣擁有仲裁申訴權，以保證所有用戶均能得到公平的對待。

時間也是校驗內容真實性的重要指標之一。FACTS使用了較長的申訴期，以確保在內容進入事實內容池之前有足夠的依據證明其內容的真實性。

3.FACTS的核心指標

3.1 事實權重（FACTS Rank）

事實權重（FACTS Rank）：當事實內容互相引用形成內容網狀結構以后，我們可以通過內容的相互鏈接關系，來確定一個內容的事實權重。FACTS Rank最終體現為事實內容的相關性和重要性的綜合評級，數值從0到1。

為了避免同一用戶的不同內容引用相關度過高導致事實權重不平衡，我們改進傳統搜索引擎的Page Rank算法。同一用戶的內容之間的引用將獲得較少的權重分成，不同用戶間的內容之間的引用將獲得較多的權重分成。在Page Rank公式中增加了系數將同用戶的相關性進行了系數衰減，形成公式FACTS Rank：

FACTS的文章權重計算表明，一個文章的權重指數是由引用它的其他文章的權重指數計算得到。FACTS通過迭代計算每個文章的權重指數，經過多次遞歸計算，這些文章的權重指數值會趨向于穩定收斂值，這就是指一系列互相引用文章的權重指數。

3.2 事實指數（FACTS Index）

事實指數（FACTS Index）是文章內容真實性的評估指數，數值從0到10。其代表著當前內容與所引用的內容依據相關性及合理性的關聯程度，并結合內容的完善度、引用合理性以及用戶的互動和糾錯等多個參數加權得出的文章真實可信程度的評估指數。事實指數在很大程度上體現了內容的真實性及可靠性，為用戶提供強有力的參考。

FACTS Index的影響因素如下圖：

4. FACTS用戶模型

4.1 內容生產者（Content Author）

內容生產者是FACTS中的核心用戶，他們通過發布或完善主題來貢獻內容。當內容生產者生產的內容通過內容評審團票選通過，并在評定期后未被投訴，即可獲得系統予以的FACTS Token基礎獎勵。利用生產的真實內容吸引內容消費者產生互動以及分享，并根據互動及分享等相關的數據參數獲得額外的FACTS Token。當生產的內容足夠優質以及擁有足夠的內容依據后，將會被標記為事實內容。在事實內容池中的內容-旦再次被其他用戶引用，該內容的相關利益方都將獲得相應的FACTS Token獎勵。

內容生產者創作的內容并不是被局限的，他們可以創建新的事實主題也可以與他人協作共建已存在的事實主題，參與的形式包括創建主題、新增、修改、糾錯、補充內容段。基于內容生產者的不斷創作和完善的內容，最終將事實內容池中的事實內容形成網狀結構的事實圖譜。

4.2 內容消費者（Content Consumer）

內容消費者也是平臺內容的篩選者，可以通過瀏覽內容，并與內容產生交互為優質的內容給于鼓勵，平臺將會根據其產生的交互參數發放額外的FACTS Token給到內容生產者。內容消費者可以同時通過參與內容投票以及內容分享獲得FACTSToken。為了鼓勵內容消費者去發現優質內容，一條內容最終獲得的收益將有一定比例分配給在內容發布后最初的幾天里為內容點贊、分享、評論的用戶。在信息大爆炸信息碎片化時代，內容消費者想要徹底讀懂一篇文章所花費的時間成本及精力是相當高的，FACTS 為內容消費者提供完善的注解功能，例如內容消費者可以選中某些陌生的名詞或者事件，系統將從內容池中調取相應的內容注解為內容消費者提供快速的背景內容，這也將大大降低內容消費者的閱讀成本。

4.3 內容評審團（Content Review Panel）

內容評審團是FACTS的內容管控機構，內容評審團的成員遵循公正和透明的原則產生，每條內容的評審團成員均設有上下限人數要求。在一個活躍的內容平臺上有若千個內容評審團在同時工作。網絡中每產生一條內容均需要內容評審團的事實認定投票決定是否能標記為一條FACTS內容。內容評審團成員入選條件和內容評審團的事實認定投票總體原則：

1.一定時間內活躍的持有一定FACTS Token的用戶，并愿意在投票前將一定量FACTS Token抵押;

2.每次內容評審團票選從一定時間內活躍用戶池中隨機40抽取，同時參考用戶與所投票內容的專業領域匹配關系，直到抽取的人中有一定人數完成判定， 若滿足相應人數在規定時間內未完成事實認定投票，則繼續從用戶池中補位;

3.內容評審團獲得FACTS Token。內容評審團成員遵循內容評審團守則進行事實認定投票。根據事實認定的投票通過率給于內容生產者相應的通正獎勵內容評審團的各個成員根據其事實認定投票和內容評審團的總體事實認定投票通過率的一致程度的高低獲得相應的通證獎勵。若內容在評定期內被用戶舉報且舉報獲得新一期內容評審團的認可通過，則扣除原有的通證獎勵，并將通證按照前述設定的規則發放給新一期內容評審團的各個成員。

通過抵押FACTS Token后不可轉讓，也不可分割，只有內容評審團成員退出內容評審團群體之后，并且內容評審團成員所有參與的投票內容全部度過申訴期之后方能解凍，若內容評審團成員需要強制解凍，則內容評審團成員參與投票獲得的獎勵中，處于申訴期的內容對應的評審獎勵將會被視為自動放棄。

4.4 用戶信用（User Credit）

用戶信用：內容評審團和FACTS Index都需要評估一個 用戶在特定內容專業的專業性。評估用戶在不同內容領域的專業能力，通過用戶標簽、用戶行為、H-index算法等方式進行用戶專業評級，結合用戶領域進行相關領域的評分。用戶的領域評分如下：

H指數（H -index），是來自評價科學家學術成就的一種算法。H代表“高引用次數”（high citations），一名科研人員的H指數是指他至多有H篇論文分別被引用了至少H次。H指數能夠比較準確地反映一個人的學術成就。

在FACTS中，可以用類似的機制評估一名作者在某個內容領域的學術權威性。一個作者的H指數代表著他的多篇內容分別被引用的次數。一個人的H指數越高，則表明他在某內容領域內的內容影響力越大，在某內容領域內的權威性越高。

FACTS系統架構

1.FACTS技術架構圖

如圖，技術架構可分為以下幾個層次：

1.應用層：用戶生態DAPP應用

2.接口層主要的業務邏輯，包括用戶行為處理，行為激勵，各種組織活動處理等，并通過開放接口， 將這些業務邏輯提供給接入的DAPP使用。

3.內容層;基于NLP引擎構建事實內容池、事實圖譜、事實指數、事實權重等內容核心，還包括

維護內容評審，內容索引，內容版本，評估內容引用和評估指數等

4.交易層：基于內容的交易機制以及智能合約機制

5.基鏈層：區塊鏈的打包、共識、存儲、索引等

2. FACTS底層區塊鏈架構

FACTS底層區塊鏈采用石墨烯技術。Graphene （石墨烯）是區塊鏈工具組，由比特股團隊cryptonomex8開發，將DPOS共識機制投入了實際應用場景中。FACTS采用石墨烯技術作為底層區塊基鏈層，具有交易速度快，并發能力很強，TPS高，數據吞吐量大等特性。同時FACTS會優化對于內容傳輸、內容存儲、內容快速檢索等內容操作的效率，使交易速度能夠達到10000 TPS容量，可以支持上億級用戶的訪問，為海量用戶的高并發內容行為提供高性能的底層技術保障。

3.FACTS內容尋址存儲系統

FACTS的文件系統需要支持內容多版本管理，以便多人協同創作修改內容;FACTS的文件系統需要支持內容索引，以便更高效的檢索和管理內容。FACTS的文件系統需要分塊存儲，以便降低重復內容的存儲空間。FACTS的文件系統需要能保證文件的準確性，以便確保文件的完整性。

FACTS內置的是一套內容尋址（content-addressable）文件系統，將文件拆分為Block并計算每個Block的Hash，然后通過Merkle tree49的方式進行查找。每個文件是一-個Merkle tree，每個Block即為Merkle tree的一個節點，這樣利用Merkle tree既可以驗證文件的準確性，又可以在文件修改、版本迭代中減少文件存儲空間。多版本存儲示意圖如下：

3.1 內容目錄樹

為了更好的讓內容結構化，FACTS的內容以分段多版本的形式進行管理，可采用分段評審、分段引用、評論、頂踩、舉報，以優化用戶體驗提高效率。對于激勵體系而言，也將擁有更細顆粒度激勵的激勵方式，確保用戶的每-次細微貢獻都能得到相應的獎勵。

FACTS內部通過Deep L earning5o算法解決內容自動分類聚合問題，將文章段落拆解轉化為詞向量51，利用CNNS2/RNN53等深度學習網絡的分類模型， 自動提取內容特征并將特征近似的內容歸類自動聚合為內容目錄樹。

3.2 內容多版本協作

百科詞條、事件專題等內容往往需要多個用戶不斷補充完善，為了實現內容的快速迭代以及迭代過程中的有序性，FACTS為內容引入版本（Version） 的概念，即用戶可以不斷完善自己或他人生產的內容，并將新產生的內容用一個新的版本編號記錄在區塊鏈當中。當不斷有用戶迭代完善某個內容，將使實事實內容不斷豐富完善，最終廣大用戶閱讀到的將是無數人參與完善迭代之后形成的高質量內容。內容協作流程如下：

用戶協作中的內容版本控制：當多個用戶參與修訂完善同一內容時，版本的遞增和管理是其中關鍵的部分。多版本設計可以幫助我們記錄任意內容的完整歷程，一邊在未來任何時候追蹤內容的版本情況，并如有需要，可以把當前顯示版本回退到之前的某個版本。

而通過FACTS的內容尋址存儲系統，在內容修改，內容版本迭代中，可以講多版本中相同的內容記錄為同一份，將其中差異內容段落分別記錄。通過Merkle tree組織索引當前內容版本的各個段落，交叉使用相同內容段落，這樣最終算法上保證內容準確性，又減少存儲空間。

4. FACTS基于AI的自動化工具

自動防水防垃圾：通過人工智能算法，識別灌水行為特征以及垃圾內容，自動標注灌水和垃圾內容，減輕內容評審團工作壓力，更好確保FACTS的質量。自動主題查重和內容查重：通過對主題和內容的特征抽取（分詞、 hash、加權、合并、降維），構建文檔指紋，對于審核內容進行相似度計算，自動進行內容重復審查，提高審查效率，降低審查成本。

自動主題查重和內容查重：通過對主題和內容的特征抽取（分詞、hash、 加權、合并、降維），構建文檔指紋，對于審核內容進行相似度計算，自動進行內容重復審查，提高審查效率，降低審查成本。

自動生成引用：對用戶參與的內容，自動識別與已存在事實內容的關聯性，并標識其引用關系。

自動評估事實指數：對用戶參與的內容，自動按照已存在關聯及其方向性，評估其真實性和內容質量評分。

提供API供外部訪問：提供基于內容的批量查詢、搜索、分析等的API接口。

5. FACTS 基于NLP構建事實圖譜的平臺模型

FACTS在技術上基于現有的成熟區塊鏈技術，不斷的升級創新，深耕內容價值以完成自己的使命。通過強大的內容尋址文件系統來實現快速檢索和內容處理，提高了內容處理的吞吐量，可以在極短時間內完成用戶行為的確認及反饋。基于人工智能算法的內容處理機制，將非結構化內容轉化為事實圖譜，挖掘內容的真正價值。

5.1 事實內容池與事實圖譜

事實內容池（Facts Pool）是指所有經過內容評審團投票通過后的內容聚合，事實圖譜（Facts Graph）則是事實內容池在人工智能技術基礎上結構化后存儲的網狀結構的內容。事實內容池同樣也擁有申訴機制，以確保內容的真實性并具備自我清洗能力。

FACTS的事實圖譜是基于事實內容的結構化關系圖譜，通過內容與內容之間的關系來構建讓一個龐大的立體網狀內容結構，讓內容能夠互相關聯、互相佐證。優質的事實結構化內容結合人工智能技術以最優的路徑來實現自動索引、自動引用、知識推理等功能。

5.2 NLP構建事實圖譜

在構建和使用事實圖譜時涉及到自然語言處理NLP引擎。FACTS為新內容構建事實圖譜時會根據事實圖譜中已有內容，通過深度學習算法，提取新內容與已存在事實的關聯內容、關聯屬性、關聯關系等要素，并對這些要素與事實圖譜進行融合、去冗余、去沖突、規范化等操作， 最終和現有事實圖譜融合，完成事實內容的沉淀。新內容構建事實圖譜過程如下：

FACTS垂直公鏈應用場景

FACTS作為行業極具影響力的內容垂直公鏈，可以吸引全球區塊鏈領域創業者和社區用戶開發出各種各樣的創新應用（DAPP）， 解決各種領域的用戶痛點問題，涌現出更多更具創意的真實可信的內容應用。同樣重要的是，FACTS 可以通過區塊鏈技術和獨特的激勵機制，變革現有互聯網內容產業的現行生產關系，賦能各種互聯網內容應用，使這些應用以極小的成本就“區塊鏈化”，成功打造區塊鏈3.0時代“區塊鏈即服務（BaaS）” 的典型標桿。

1. 新聞資訊平臺

傳統門戶類網站的一直以廣告作為主要收入來源，網站的采編機構也缺乏合適的激勵途徑。傳統門戶類網站不但可以通過引入FACTS的內容激勵機制為采編機構提供激勵渠道以及為網站主增加收益，同時也可以建立社群平臺或發行社群平臺智能合約通證。智能合約通證可以通過智能合約公正的將來自內容激勵以及打賞機制的收益公平地分配到采編機構的每一個環節中。利用FACTS的內容池為平臺的內容提供更加真實有效的內容依據，這些內容也將會為事實內容池提供更多真實的優質內容沉淀。

FACTS基金會將與最新銳的區塊鏈財經媒體“專業隊”石榴財經展開深度戰略合作，在區塊鏈垂直領域打造最專業可信的區塊鏈事實圖譜網絡。

2. 社交媒體平臺

利用FACTS的內容激勵與通證分配機制，平臺可以構建出類似于以文字內容為主的社交媒體平臺，甚至更進一步構建出類似于Twitter、Facebook 這類的社交網絡。同時能利用FACTS的內容池為社交媒體平臺的內容提供更加真實有效的內容依據，這些內容也將會為事實內容池提供更多真實的優質內容沉淀。

3. 博客類，百科類，論壇類內容平臺

博客類、百科類、論壇類也依然占據著很大份額的網絡流量，特別是博客類以及百科類內容平臺，是普通用戶發表嚴肅文本內容的主要途徑。多年以來這些內容平臺只能依靠廣告收益來維持，也有很大部分的用戶無法從這些平臺獲取收益，通過FACTS的內容激勵與通證分配機制引入到此類平臺，為發表內容的用戶以及平臺建設者帶來更多收益，并且利用事實內容池為平臺的內容提供更加真實有效的內容依據，這些內容也將會為事實內容池提供更多真實的優質內容沉淀。

FACTS基金會將與全球最大中文百科網站互動百科69展開深度戰略合作70，在互動百科1200萬智愿者71和1700萬中文詞條的堅實基礎，上迅速搭建出全球最大的事實圖譜網絡。

4. 問答類內容平臺

類似于Quora和知乎這類問答類社區的內容變現一直都是問題，通過FACTS的評價與通證分配機制，可以讓優秀回答者獲得合理的回報。相比直接支付，基于內容評價的激勵可以得到更高的轉換率和更高的參與度。利用事實內容池為平臺的內容提供更加真實有效的內容依據，這些內容也將會為事實內容池提供更多真實的優質內容沉淀。

5. 內容聚合類平臺

平臺可利用FACTS引用功能提供類似于令日頭條等內容聚合類功能，平臺可以利用自動化程序挑選出合適內容然后推送給讀者。通過轉載功能，無論是作者還是轉載者都可以獲得評價和打賞回報。利用事實內容池為平臺的內容提供更加真實有效的內容依據，這些內容也將會為事實內容池提供更多真實的優質內容沉淀。

6. 行業專業信息檢索引用服務

論文、專利的撰寫需要大量的參考資料以及引用，由于事實內容池中大量真實內容是網狀互聯的結構化事實圖譜，可以快速檢索到相應的內容。利用FACTS的內容池為平臺的內容提供更加真實有效的內容依據，這些內容也將會為事實內容池提供更多真實的優質內容沉淀。

7. AI行業的基礎內容提供商服務

在人工智能快速發展的時代，需要大量結構化事實以供AI進行分析解讀以產生更多價值。事實內容池（Facts Pool）以及事實圖譜（Facts Graph）中的內容將會是AI的重要內容提供商，大量的內容可以以結構化數據”輸出，并且也可結合Al技術形成更多有價值的內容以補充到事實內容池以及事實圖譜中。

8. 商業化系統

FACTS的商業化系統分為兩個主要模塊：在線廣告及內容推廣，這可以增強FACTS Token流動性，增加平臺收入。

8.1 在線廣告

FACTS將會在錢包內提供一個廣告市場，為平臺出售按時長按廣告位置付費的廣告。在廣告市場中，將會展示各個平臺能提供的廣告位置選項以及費用，同時也會顯示這些平臺在區塊鏈上的表現以及歷史數據供用戶做參考。用戶可以直接支付FACTS Token進行購買，經過平臺審核廣告后即可進行廣告投放，廣告顯示的時長和位置由智能合約執行。

8.2 內容推廣

FACTS的內容體系是十分復雜的，若用戶希望自己的內容在眾多內容中脫穎而出除了內容足夠優質之外還需要-定的推薦位、付費轉發分享等手段來獲取更多用戶和流量，平臺將為普通用戶開辟類似廣點通、粉絲通等的推廣渠道。

FACTS通證分配規劃

ERC20階段FACTS Token （簡稱FACTS）總發行量為90億，其中：

基金會池持有18億FACTS Token，占ERC20階段總量的20%。基金會作為一個非盈利性組織，其持有的FACTS Token全部用于FACTS社區的持續運轉和維護，所有收支遵循嚴格、透明、合規的財務管理機制。

創始團隊持有13.5億FACTS Token，占ERC20階段總量的15%，這部分自授予之日起，分4年解鎖，每年解鎖25%。

社區運營及生態建設池持有31.5億FACTS Token，占ERC20階段總量的35%。其中5%用于合規及戰略咨詢，30%用于社區運營推廣、產品推廣、主鏈上線前對用戶行為的獎勵以及生態建設（ 包括如孵化、生態內投資、戰略資源合作等）。

私募投資池持有27億FACTS Token，占ERC2088階段總量的30%，針對業界優秀投資機構與定向私募。

待主鏈上線后，將會激活主鏈獎勵池中通證，總數量為59.6億FACTSToken，用于激勵用戶發布優秀內容和傳播優秀內容。主鏈上線前激勵池中的

FACTS Token全部由智能合約鎖定。待主鏈上線后，將逐步釋放。每年釋放激勵池余額的10%，即：第一年釋放5.96億FACTS;第二年釋放5.464億FACTS，以此類推，永續進行。