Publier
--
星期天-77
·
--
Intégrer le raisonnement AI dans le trading blockchain, le plus grand défi technique n'est pas la validation, mais la temporalité.
Le modèle de consensus traditionnel du blockchain exige que tous les validateurs exécutent la même opération de manière répétée — un LLM avec 70 milliards de paramètres met quelques secondes à tourner une fois, et faire tourner cela sur 100 nœuds est un coût exponentiel sans sens. Plus compliqué encore, l'indéterminisme du LLM : quand la température > 0, la même entrée produit des sorties différentes sur différents matériels, rendant impossible pour les validateurs de comparer les résultats.
Le moteur PIPE de @OpenGradient (moteur d'exécution parallèle de raisonnement) a utilisé un design contre-intuitif pour contourner ce problème : une fois qu'une transaction entre dans le pool de mémoire de raisonnement, le système extrait d'abord toutes les requêtes de raisonnement des transactions à traiter, puis exécute tout en parallèle avant de construire le bloc, les résultats étant pré-calculés, et la transaction originale entre ensuite dans le bloc avec les résultats de raisonnement.
Cela signifie que les résultats de raisonnement AI et les transactions on-chain sont des opérations atomiques — pas de délai d'oracle, pas de "mettre sur la chaîne avant que le raisonnement soit terminé et attendre le résultat" avec des failles temporelles.
Je pense que ce design est techniquement propre, mais il révèle un vrai compromis : le PIPE offre une exécution atomique au coût d'une latence plus élevée — car il faut attendre que le pré-calcul de raisonnement soit terminé pour miner le bloc. En revanche, le chemin de règlement asynchrone a une latence faible, mais le coût est un court écart de confiance hors chaîne entre le résultat et la preuve.
Ces deux chemins servent des scénarios différents, il n'y en a pas un qui soit meilleur que l'autre, mais plutôt des choix différents selon les préférences de risque. Je trouve que l'énoncé de ce principe de design dans le livre blanc est honnête : il n'y a pas de solution unique, seulement des compromis.
Le réseau $OPG est actuellement en phase de test, avec plus de 2000 modèles hébergés et plus d'un million de raisonnement. Le PIPE est actuellement l'un des moteurs principaux encore en développement, et une fois le mainnet lancé, "l'appel direct des modèles AI par Solidity" aura enfin un support technique réel.
Penses-tu que les applications AI on-chain ont plus besoin d'exécution atomique, ou de validation asynchrone à faible latence ?
@OpenGradient
#opg $OPG
{future}(OPGUSDT)
Le modèle de consensus traditionnel du blockchain exige que tous les validateurs exécutent la même opération de manière répétée — un LLM avec 70 milliards de paramètres met quelques secondes à tourner une fois, et faire tourner cela sur 100 nœuds est un coût exponentiel sans sens. Plus compliqué encore, l'indéterminisme du LLM : quand la température > 0, la même entrée produit des sorties différentes sur différents matériels, rendant impossible pour les validateurs de comparer les résultats.
Le moteur PIPE de @OpenGradient (moteur d'exécution parallèle de raisonnement) a utilisé un design contre-intuitif pour contourner ce problème : une fois qu'une transaction entre dans le pool de mémoire de raisonnement, le système extrait d'abord toutes les requêtes de raisonnement des transactions à traiter, puis exécute tout en parallèle avant de construire le bloc, les résultats étant pré-calculés, et la transaction originale entre ensuite dans le bloc avec les résultats de raisonnement.
Cela signifie que les résultats de raisonnement AI et les transactions on-chain sont des opérations atomiques — pas de délai d'oracle, pas de "mettre sur la chaîne avant que le raisonnement soit terminé et attendre le résultat" avec des failles temporelles.
Je pense que ce design est techniquement propre, mais il révèle un vrai compromis : le PIPE offre une exécution atomique au coût d'une latence plus élevée — car il faut attendre que le pré-calcul de raisonnement soit terminé pour miner le bloc. En revanche, le chemin de règlement asynchrone a une latence faible, mais le coût est un court écart de confiance hors chaîne entre le résultat et la preuve.
Ces deux chemins servent des scénarios différents, il n'y en a pas un qui soit meilleur que l'autre, mais plutôt des choix différents selon les préférences de risque. Je trouve que l'énoncé de ce principe de design dans le livre blanc est honnête : il n'y a pas de solution unique, seulement des compromis.
Le réseau $OPG est actuellement en phase de test, avec plus de 2000 modèles hébergés et plus d'un million de raisonnement. Le PIPE est actuellement l'un des moteurs principaux encore en développement, et une fois le mainnet lancé, "l'appel direct des modèles AI par Solidity" aura enfin un support technique réel.
Penses-tu que les applications AI on-chain ont plus besoin d'exécution atomique, ou de validation asynchrone à faible latence ?
@OpenGradient
#opg $OPG
{future}(OPGUSDT)
Avertissement : ce contenu inclut des opinions de tiers. Il ne constitue pas un conseil. Binance Ai peut être utilisée, sans garantie de résultat. Consultez les CG.