@OpenGradient #OPG
Jadi bayangkan ini
saya di kafe ini dengan rekan kerja, dan dia bertanya apa yang telah menyita semua waktu saya belakangan ini. saya mulai menjelaskan tentang opengradient, inferensi yang dapat diverifikasi, tee attestations, bukti zkml, semua itu.
dia mendengarkan. lalu bertanya: bukankah itu hanya wasit yang menjual tiket?
itu bikin saya terdiam.
itu lebih tepat daripada apapun yang saya baca dalam berbulan-bulan mengikuti ruang ini.
di sebagian besar sistem AI saat ini, model yang menghasilkan keluaran dan sistem yang menentukan keandalan tidak terpisah secara bermakna. infrastruktur yang sama menghasilkan jawaban dan secara implisit memvalidasinya. tidak ada lapisan eksternal yang berdiri di luar, memeriksa tanpa berbagi asumsi yang sama.
wasit yang menjual tiket. bukan metafora. itu arsitekturnya.
opengradient memisahkan peran-peran itu. inferensi terjadi di satu sisi. verifikasi di sisi lain, secara independen, tanpa akses ke asumsi yang menghasilkan keluaran asli. kedua sisi tidak saling mempercayai. tidak perlu. jika generasi gagal, verifikasi tidak gagal dengan cara yang sama.
saya menemukan dua bug baru saat menguji ini: verifikasi tee attestation tertunda di bawah permintaan bersamaan, dan generasi bukti zkml habis waktu pada model yang kompleks. keduanya terisolasi. tidak ada kegagalan berlanjut.
pemisahan itu terdengar teknis. teman saya mengerti hanya dalam satu kalimat.
konsensus cometbft, penyimpanan walrus dengan blob yang dialamatkan konten, arsitektur haca, semua membangun menuju pemisahan itu. verifikasi tanpa eksekusi ulang. kepercayaan tanpa ketergantungan.
kadang-kadang deskripsi yang paling jelas datang dari seseorang yang tidak memiliki alasan untuk membuatnya terdengar rumit.
Jadi Guys.. apakah pemisahan saja membuat AI dapat dipercaya? atau ada lebih banyak dalam permainan ini?
$OPG
Jadi bayangkan ini
saya di kafe ini dengan rekan kerja, dan dia bertanya apa yang telah menyita semua waktu saya belakangan ini. saya mulai menjelaskan tentang opengradient, inferensi yang dapat diverifikasi, tee attestations, bukti zkml, semua itu.
dia mendengarkan. lalu bertanya: bukankah itu hanya wasit yang menjual tiket?
itu bikin saya terdiam.
itu lebih tepat daripada apapun yang saya baca dalam berbulan-bulan mengikuti ruang ini.
di sebagian besar sistem AI saat ini, model yang menghasilkan keluaran dan sistem yang menentukan keandalan tidak terpisah secara bermakna. infrastruktur yang sama menghasilkan jawaban dan secara implisit memvalidasinya. tidak ada lapisan eksternal yang berdiri di luar, memeriksa tanpa berbagi asumsi yang sama.
wasit yang menjual tiket. bukan metafora. itu arsitekturnya.
opengradient memisahkan peran-peran itu. inferensi terjadi di satu sisi. verifikasi di sisi lain, secara independen, tanpa akses ke asumsi yang menghasilkan keluaran asli. kedua sisi tidak saling mempercayai. tidak perlu. jika generasi gagal, verifikasi tidak gagal dengan cara yang sama.
saya menemukan dua bug baru saat menguji ini: verifikasi tee attestation tertunda di bawah permintaan bersamaan, dan generasi bukti zkml habis waktu pada model yang kompleks. keduanya terisolasi. tidak ada kegagalan berlanjut.
pemisahan itu terdengar teknis. teman saya mengerti hanya dalam satu kalimat.
konsensus cometbft, penyimpanan walrus dengan blob yang dialamatkan konten, arsitektur haca, semua membangun menuju pemisahan itu. verifikasi tanpa eksekusi ulang. kepercayaan tanpa ketergantungan.
kadang-kadang deskripsi yang paling jelas datang dari seseorang yang tidak memiliki alasan untuk membuatnya terdengar rumit.
Jadi Guys.. apakah pemisahan saja membuat AI dapat dipercaya? atau ada lebih banyak dalam permainan ini?
$OPG