Publicați
传奇FEEHA
·
--
BullishAm tot gândit la cifra de overhead ZKML în această săptămână. 1000 până la 10000x mai lent decât execuția standard. E un număr ciudat cu care să te acomodezi, deoarece este prezentat aproape cu scuze în documentație, ca un cost cunoscut mai degrabă decât o flaw.
Mecanismul în sine este elegant. Un model rulează, generează o dovadă zero-knowledge, iar acea dovadă demonstrează matematic că modelul a fost executat corect — fără a dezvălui greutățile modelului sau datele de intrare celor care verifică. Nu este nevoie de re-execuție. Doar verificare criptografică pură. Certitudinea este reală. Costul este, de asemenea, real.
La care mă tot întorc este modul în care documentația încadrează unde ar trebui să fie folosit — modele mai mici, cu mize mari. Calculații de risc DeFi. Decizii financiare unde așteptarea merită certitudinea. Nu conversații. Nu nimic conversațional sau la scară mare. Există o onestitate în acea delimitare pe care o consider mai credibilă decât dacă whitepaper-ul ar fi pretins că ZKML funcționează peste tot.
Îmi aduce aminte puțin de asigurări, de fapt — plătești un cost real pentru certitudine de care, în mare parte, nu ai nevoie, exceptând momentele în care disperat ai nevoie. Except că aici „costul” nu este bani, ci timp. Șaisprezece minute pentru ceea ce ar trebui să dureze un singur secund, la nivelul cel mai mic. Aproape trei ore la nivelul cel mai mare.
Oricum. Nu cred că aceasta este o problemă creată de OpenGradient. Este o limitare a locului unde sunt în prezent sistemele de dovezi zero-knowledge, iar whitepaper-ul spune la fel — că acest lucru se va îmbunătăți pe măsură ce tehnologia se maturizează. Niciun timeline atașat la asta, care este un tip de onestitate sau un alt tip de evaziune, în funcție de cât de generos te simți.
Ceea ce încă nu știu este dacă „modelele mai mici” au un plafon definit al numărului de parametrii, sau dacă este pur și simplu orice se încadrează în timpul de așteptare acceptabil dat intervalului 1000-10000x...?
@OpenGradient #OPG $OPG
{future}(OPGUSDT)
opengradient.ai
Mecanismul în sine este elegant. Un model rulează, generează o dovadă zero-knowledge, iar acea dovadă demonstrează matematic că modelul a fost executat corect — fără a dezvălui greutățile modelului sau datele de intrare celor care verifică. Nu este nevoie de re-execuție. Doar verificare criptografică pură. Certitudinea este reală. Costul este, de asemenea, real.
La care mă tot întorc este modul în care documentația încadrează unde ar trebui să fie folosit — modele mai mici, cu mize mari. Calculații de risc DeFi. Decizii financiare unde așteptarea merită certitudinea. Nu conversații. Nu nimic conversațional sau la scară mare. Există o onestitate în acea delimitare pe care o consider mai credibilă decât dacă whitepaper-ul ar fi pretins că ZKML funcționează peste tot.
Îmi aduce aminte puțin de asigurări, de fapt — plătești un cost real pentru certitudine de care, în mare parte, nu ai nevoie, exceptând momentele în care disperat ai nevoie. Except că aici „costul” nu este bani, ci timp. Șaisprezece minute pentru ceea ce ar trebui să dureze un singur secund, la nivelul cel mai mic. Aproape trei ore la nivelul cel mai mare.
Oricum. Nu cred că aceasta este o problemă creată de OpenGradient. Este o limitare a locului unde sunt în prezent sistemele de dovezi zero-knowledge, iar whitepaper-ul spune la fel — că acest lucru se va îmbunătăți pe măsură ce tehnologia se maturizează. Niciun timeline atașat la asta, care este un tip de onestitate sau un alt tip de evaziune, în funcție de cât de generos te simți.
Ceea ce încă nu știu este dacă „modelele mai mici” au un plafon definit al numărului de parametrii, sau dacă este pur și simplu orice se încadrează în timpul de așteptare acceptabil dat intervalului 1000-10000x...?
@OpenGradient #OPG $OPG
{future}(OPGUSDT)
opengradient.ai
Declinarea răspunderii: include opinii ale terților. Nu constituie recomandări. Binance Ai poate fi utilizat fără garanții. Consultați Termenii și condițiile