OPML: Sistem pembelajaran mesin berbasis pendekatan optimis
Artikel ini memperkenalkan sebuah sistem blockchain baru yang disebut OPML(, yang menggunakan pendekatan optimis untuk inferensi dan pelatihan/penyesuaian model AI. Dibandingkan dengan ZKML, OPML mampu menyediakan layanan ML yang lebih ekonomis dan efisien.
![OPML: Menggunakan sistem Optimistic Rollup untuk pembelajaran mesin])https://img-cdn.gateio.im/webp-social/moments-97100de5d65b1bb4dfc9ad6502195b59.webp(
Salah satu keuntungan besar dari OPML adalah persyaratan partisipasi yang rendah. Saat ini, PC biasa tidak perlu dilengkapi dengan GPU untuk menjalankan sistem OPML yang mencakup model bahasa besar ) seperti 7B-LLaMA( berukuran 26GB. Sistem ini menggunakan mekanisme permainan verifikasi untuk memastikan desentralisasi layanan ML dan konsensus yang dapat diverifikasi.
Proses verifikasi permainan adalah sebagai berikut:
Pemohon memulai tugas layanan ML
Server menyelesaikan tugas dan mengirimkan hasil ke blockchain
Validator memverifikasi hasil, jika ada keberatan maka memulai permainan verifikasi
Terakhir, lakukan arbitrase langkah demi langkah pada kontrak pintar
![OPML:mengadopsi sistem Optimistic Rollup dalam pembelajaran mesin])https://img-cdn.gateio.im/webp-social/moments-e798407b4f5f3dd6dc7d8327db07eb20.webp(
OPML menggunakan dua mode permainan verifikasi, yaitu mode satu tahap dan mode multi tahap. Mode satu tahap mirip dengan perhitungan delegasi )RDoC(, dengan secara tepat menentukan langkah-langkah yang dipersengketakan dan menyerahkannya kepada arbitrase kontrak di atas rantai. Untuk meningkatkan efisiensi, OPML juga mengembangkan perpustakaan DNN ringan dan sistem mesin virtual khusus.
![OPML: Menggunakan sistem Optimistic Rollup untuk pembelajaran mesin])https://img-cdn.gateio.im/webp-social/moments-3f290bc2a1acee40d4e71fbf35ee5079.webp(
Permainan verifikasi multi-tahap mengatasi keterbatasan model satu tahap, memanfaatkan akselerasi GPU/TPU dan kemampuan pemrosesan paralel secara maksimal. Ini secara bertahap mempersempit ruang sengketa melalui beberapa tahap, dan pada akhirnya mengidentifikasi instruksi VM yang spesifik. Metode ini secara signifikan meningkatkan efisiensi eksekusi OPML, sehingga kinerjanya mendekati lingkungan lokal.
![OPML:Menggunakan sistem Optimistic Rollup untuk pembelajaran mesin])https://img-cdn.gateio.im/webp-social/moments-4d41ed09832980b943519f4c0baa6109.webp(
Untuk memastikan konsistensi lintas platform, OPML menggunakan algoritma titik tetap dan pustaka floating point perangkat lunak. Dibandingkan dengan ZKML, OPML memiliki keunggulan yang jelas dalam efisiensi perhitungan, fleksibilitas, dan universalitas, menyediakan kemungkinan baru untuk aplikasi AI terdesentralisasi.
![OPML: Menggunakan sistem Optimistic Rollup untuk pembelajaran mesin])https://img-cdn.gateio.im/webp-social/moments-a33f120074b07b2ec4ae4ececbea79f1.webp(
Proyek OPML saat ini masih dalam pengembangan aktif, kami mengundang pengembang yang tertarik untuk berkontribusi.
This page may contain third-party content, which is provided for information purposes only (not representations/warranties) and should not be considered as an endorsement of its views by Gate, nor as financial or professional advice. See Disclaimer for details.
16 Suka
Hadiah
16
6
Bagikan
Komentar
0/400
CryptoSurvivor
· 22jam yang lalu
Melakukan apa-apa tidak berhasil, juara pertama dalam kehilangan uang~
Lihat AsliBalas0
JustHereForMemes
· 07-10 02:43
Hanya untuk bersenang-senang, tidak akan bergerak hati sebelum satu yuan.
Lihat AsliBalas0
ProbablyNothing
· 07-09 21:28
Untuk menghasilkan uang, harus bersabar.
Lihat AsliBalas0
GasFeeVictim
· 07-09 21:24
Rugi besar... Bisakah OPML lebih murah?
Lihat AsliBalas0
WalletDetective
· 07-09 21:17
Drop ambang batas, pengguna biasa juga memiliki jalan keluar.
Lihat AsliBalas0
SmartContractPlumber
· 07-09 21:07
Risiko celah dalam mekanisme verifikasi terlalu tinggi, mengawasi Anda
OPML: Sistem pembelajaran mesin desentralisasi baru yang efisien dan ekonomis
OPML: Sistem pembelajaran mesin berbasis pendekatan optimis
Artikel ini memperkenalkan sebuah sistem blockchain baru yang disebut OPML(, yang menggunakan pendekatan optimis untuk inferensi dan pelatihan/penyesuaian model AI. Dibandingkan dengan ZKML, OPML mampu menyediakan layanan ML yang lebih ekonomis dan efisien.
![OPML: Menggunakan sistem Optimistic Rollup untuk pembelajaran mesin])https://img-cdn.gateio.im/webp-social/moments-97100de5d65b1bb4dfc9ad6502195b59.webp(
Salah satu keuntungan besar dari OPML adalah persyaratan partisipasi yang rendah. Saat ini, PC biasa tidak perlu dilengkapi dengan GPU untuk menjalankan sistem OPML yang mencakup model bahasa besar ) seperti 7B-LLaMA( berukuran 26GB. Sistem ini menggunakan mekanisme permainan verifikasi untuk memastikan desentralisasi layanan ML dan konsensus yang dapat diverifikasi.
Proses verifikasi permainan adalah sebagai berikut:
![OPML:mengadopsi sistem Optimistic Rollup dalam pembelajaran mesin])https://img-cdn.gateio.im/webp-social/moments-e798407b4f5f3dd6dc7d8327db07eb20.webp(
OPML menggunakan dua mode permainan verifikasi, yaitu mode satu tahap dan mode multi tahap. Mode satu tahap mirip dengan perhitungan delegasi )RDoC(, dengan secara tepat menentukan langkah-langkah yang dipersengketakan dan menyerahkannya kepada arbitrase kontrak di atas rantai. Untuk meningkatkan efisiensi, OPML juga mengembangkan perpustakaan DNN ringan dan sistem mesin virtual khusus.
![OPML: Menggunakan sistem Optimistic Rollup untuk pembelajaran mesin])https://img-cdn.gateio.im/webp-social/moments-3f290bc2a1acee40d4e71fbf35ee5079.webp(
Permainan verifikasi multi-tahap mengatasi keterbatasan model satu tahap, memanfaatkan akselerasi GPU/TPU dan kemampuan pemrosesan paralel secara maksimal. Ini secara bertahap mempersempit ruang sengketa melalui beberapa tahap, dan pada akhirnya mengidentifikasi instruksi VM yang spesifik. Metode ini secara signifikan meningkatkan efisiensi eksekusi OPML, sehingga kinerjanya mendekati lingkungan lokal.
![OPML:Menggunakan sistem Optimistic Rollup untuk pembelajaran mesin])https://img-cdn.gateio.im/webp-social/moments-4d41ed09832980b943519f4c0baa6109.webp(
Untuk memastikan konsistensi lintas platform, OPML menggunakan algoritma titik tetap dan pustaka floating point perangkat lunak. Dibandingkan dengan ZKML, OPML memiliki keunggulan yang jelas dalam efisiensi perhitungan, fleksibilitas, dan universalitas, menyediakan kemungkinan baru untuk aplikasi AI terdesentralisasi.
![OPML: Menggunakan sistem Optimistic Rollup untuk pembelajaran mesin])https://img-cdn.gateio.im/webp-social/moments-a33f120074b07b2ec4ae4ececbea79f1.webp(
Proyek OPML saat ini masih dalam pengembangan aktif, kami mengundang pengembang yang tertarik untuk berkontribusi.