今天我在 CreatorPad OpenGradient @OpenGradient 完成任務，令我停下來的有兩個詞在文檔中。 $OPG #OPG
"--mode VANILLA." 這是 Python CLI 官方手冊中的標準推理模式。不是 TEE，也不是 zkML —— 這個模式幾乎沒有任何開銷和最低的驗證。網絡現在活躍：420 萬個區塊，超過 10,000 筆每日交易，263,500 個本週在線獨立錢包。200 萬個經過驗證的推理，超過 500,000 個加密證明。計算一下：大約每四個推理中就有一個有嚴格的加密證明。其餘三個默認設置爲速度。
架構文檔明確指出：並非所有推理都需要相同的信任級別。這是合理的 —— zkML 的速度可能慢 1,000 到 10,000 倍於 vanilla，且對於 LLM 來說，zkML 選項甚至不被考慮。這個範圍是一種故意的折中協議。更不清楚的是，底層消費者在獲得 OpenGradient 結果時，實際上可以假設什麼樣的信任。
因此，"機器信任評估" 作爲一個概念在這裏是現實的……但它是在每次調用、每個開發者中建立的，而不是作爲基礎內置的。
"--mode VANILLA." 這是 Python CLI 官方手冊中的標準推理模式。不是 TEE，也不是 zkML —— 這個模式幾乎沒有任何開銷和最低的驗證。網絡現在活躍：420 萬個區塊，超過 10,000 筆每日交易，263,500 個本週在線獨立錢包。200 萬個經過驗證的推理，超過 500,000 個加密證明。計算一下：大約每四個推理中就有一個有嚴格的加密證明。其餘三個默認設置爲速度。
架構文檔明確指出：並非所有推理都需要相同的信任級別。這是合理的 —— zkML 的速度可能慢 1,000 到 10,000 倍於 vanilla，且對於 LLM 來說，zkML 選項甚至不被考慮。這個範圍是一種故意的折中協議。更不清楚的是，底層消費者在獲得 OpenGradient 結果時，實際上可以假設什麼樣的信任。
因此，"機器信任評估" 作爲一個概念在這裏是現實的……但它是在每次調用、每個開發者中建立的，而不是作爲基礎內置的。