Publicați
--
Mohammed_Essa
·
--
{future}(ZEREBROUSDT)
O întrebare mă tot frământă: de ce cea mai puternică opțiune de dovadă nu este automat cea mai bună.
Arhitectura ZKML de la OpenGradient poate genera o dovadă matematică că un anumit model a produs un anumit output pentru un input dat. Nodurile complete pot verifica acea dovadă fără a rula din nou modelul sau a învăța inputul privat și parametrii modelului.
Asta e o garanție serioasă. #OPG
Dar această dovadă mai puternică vine cu un cost: poate necesita de 1.000 până la 10.000 de ori mai multă muncă decât execuția normală. Asta face ZKML mai potrivit pentru modele ML mai mici, cu mize mari, decât pentru sisteme generative mari, pe care OpenGradient le securizează în prezent prin verificare bazată pe TEE.
Există de asemenea o distincție importantă a statutului: inferența ML bazată pe ZKML este în prezent documentată prin mediul alpha al OpenGradient, mai degrabă decât prin calea sa principală de testare gata pentru producție.
Ceea ce a ieșit în evidență nu a fost limita.
A fost decizia care urmează.
OpenGradient permite dezvoltatorilor să aleagă între ZKML, TEE și verificarea Vanilla—și chiar să mixeze metode în apeluri de model diferite. Prin urmare, dezvoltatorii trebuie să judece care outputs merită certitudinea matematică și care pot conta pe presupuneri mai ușoare.
Alegerea celei mai puternice dovezi peste tot ar putea face o aplicație impracticabilă. Alegerea ei prea selectiv ar putea lăsa cel mai consecvent pas protejat de cea mai slabă metodă.
Sistemul oferă un spectru, mai degrabă decât a pretinde că un model de încredere se potrivește tuturor.
Îmi place această onestitate.
Partea pe care nu o pot decide este dacă această flexibilitate îmbunătățește securitatea prin precizie, sau o slăbește transformând puterea de verificare într-o altă judecată a dezvoltatorului.
Ar putea ZKML crea certitudine exact acolo unde contează, sau ar face certitudinea atât de rară încât aplicațiile să o rezerve pentru deciziile greșite?
Cum ar trebui dezvoltatorii OpenGradient să folosească ZKML?
@OpenGradient $OPG $SYN $GUA
O întrebare mă tot frământă: de ce cea mai puternică opțiune de dovadă nu este automat cea mai bună.
Arhitectura ZKML de la OpenGradient poate genera o dovadă matematică că un anumit model a produs un anumit output pentru un input dat. Nodurile complete pot verifica acea dovadă fără a rula din nou modelul sau a învăța inputul privat și parametrii modelului.
Asta e o garanție serioasă. #OPG
Dar această dovadă mai puternică vine cu un cost: poate necesita de 1.000 până la 10.000 de ori mai multă muncă decât execuția normală. Asta face ZKML mai potrivit pentru modele ML mai mici, cu mize mari, decât pentru sisteme generative mari, pe care OpenGradient le securizează în prezent prin verificare bazată pe TEE.
Există de asemenea o distincție importantă a statutului: inferența ML bazată pe ZKML este în prezent documentată prin mediul alpha al OpenGradient, mai degrabă decât prin calea sa principală de testare gata pentru producție.
Ceea ce a ieșit în evidență nu a fost limita.
A fost decizia care urmează.
OpenGradient permite dezvoltatorilor să aleagă între ZKML, TEE și verificarea Vanilla—și chiar să mixeze metode în apeluri de model diferite. Prin urmare, dezvoltatorii trebuie să judece care outputs merită certitudinea matematică și care pot conta pe presupuneri mai ușoare.
Alegerea celei mai puternice dovezi peste tot ar putea face o aplicație impracticabilă. Alegerea ei prea selectiv ar putea lăsa cel mai consecvent pas protejat de cea mai slabă metodă.
Sistemul oferă un spectru, mai degrabă decât a pretinde că un model de încredere se potrivește tuturor.
Îmi place această onestitate.
Partea pe care nu o pot decide este dacă această flexibilitate îmbunătățește securitatea prin precizie, sau o slăbește transformând puterea de verificare într-o altă judecată a dezvoltatorului.
Ar putea ZKML crea certitudine exact acolo unde contează, sau ar face certitudinea atât de rară încât aplicațiile să o rezerve pentru deciziile greșite?
Cum ar trebui dezvoltatorii OpenGradient să folosească ZKML?
@OpenGradient $OPG $SYN $GUA
Declinarea răspunderii: include opinii ale terților. Nu constituie recomandări. Binance Ai poate fi utilizat fără garanții. Consultați Termenii și condițiile