OPML: Sistema de aprendizado de máquina baseado em abordagens otimistas
Este artigo apresenta um novo sistema de blockchain chamado OPML( que utiliza uma abordagem otimista para inferência e treinamento/ajuste fino de modelos de IA. Em comparação com o ZKML, o OPML é capaz de fornecer serviços de ML mais econômicos e eficientes.
Uma grande vantagem do OPML é o seu baixo nível de exigência de participação. Atualmente, um PC comum não precisa de GPU para executar sistemas OPML que incluem modelos de linguagem grandes como o 7B-LLaMA de 26GB, ). Este sistema utiliza um mecanismo de jogo de verificação para garantir a descentralização do serviço de ML e o consenso verificável.
O processo de validação do jogo é o seguinte:
O solicitante inicia a tarefa de serviço ML
O servidor completa a tarefa e submete os resultados na cadeia
O validador verifica os resultados; se houver objeções, inicia o jogo de validação.
Por fim, realizar a arbitragem passo a passo no contrato inteligente
O OPML adota dois modos de jogo de validação: um estágio e múltiplos estágios. O modo de um estágio é semelhante ao cálculo de delegação (RDoC), localizando com precisão os passos de controvérsia e submetendo-os à arbitragem do contrato em cadeia. Para aumentar a eficiência, o OPML também desenvolveu uma biblioteca DNN leve e um sistema de máquina virtual.
Os jogos de verificação em múltiplas fases superam as limitações do modelo de uma única fase, aproveitando ao máximo a aceleração GPU/TPU e a capacidade de processamento paralelo. Eles diminuem gradualmente o escopo das disputas em várias fases, até se localizar em instruções VM específicas. Este método melhora significativamente a eficiência de execução do OPML, tornando seu desempenho próximo ao ambiente local.
Para garantir a consistência entre plataformas, a OPML adotou algoritmos de ponto fixo e bibliotecas de ponto flutuante de software. Em comparação com a ZKML, a OPML apresenta vantagens claras em termos de eficiência computacional, flexibilidade e versatilidade, oferecendo novas possibilidades para aplicações de IA descentralizadas.
O projeto OPML ainda está em desenvolvimento ativo, e convidamos os desenvolvedores interessados a contribuir.
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.
14 gostos
Recompensa
14
5
Partilhar
Comentar
0/400
JustHereForMemes
· 6h atrás
É só para me divertir, não me importa se não chega a um yuan.
Ver originalResponder0
ProbablyNothing
· 12h atrás
Para ganhar dinheiro, é preciso esperar.
Ver originalResponder0
GasFeeVictim
· 12h atrás
Perdi uma fortuna... Não pode ser mais barato, OPML?
Ver originalResponder0
WalletDetective
· 12h atrás
Baixando o limite Os usuários comuns também têm uma maneira de viver
Ver originalResponder0
SmartContractPlumber
· 12h atrás
O risco de vulnerabilidade do mecanismo de verificação é muito alto, estou de olho em você
OPML: Um novo sistema de aprendizagem de máquinas descentralizado, eficiente e económico.
OPML: Sistema de aprendizado de máquina baseado em abordagens otimistas
Este artigo apresenta um novo sistema de blockchain chamado OPML( que utiliza uma abordagem otimista para inferência e treinamento/ajuste fino de modelos de IA. Em comparação com o ZKML, o OPML é capaz de fornecer serviços de ML mais econômicos e eficientes.
![OPML:采用Optimistic Rollup系统的机器学习])https://img-cdn.gateio.im/webp-social/moments-97100de5d65b1bb4dfc9ad6502195b59.webp(
Uma grande vantagem do OPML é o seu baixo nível de exigência de participação. Atualmente, um PC comum não precisa de GPU para executar sistemas OPML que incluem modelos de linguagem grandes como o 7B-LLaMA de 26GB, ). Este sistema utiliza um mecanismo de jogo de verificação para garantir a descentralização do serviço de ML e o consenso verificável.
O processo de validação do jogo é o seguinte:
O OPML adota dois modos de jogo de validação: um estágio e múltiplos estágios. O modo de um estágio é semelhante ao cálculo de delegação (RDoC), localizando com precisão os passos de controvérsia e submetendo-os à arbitragem do contrato em cadeia. Para aumentar a eficiência, o OPML também desenvolveu uma biblioteca DNN leve e um sistema de máquina virtual.
Os jogos de verificação em múltiplas fases superam as limitações do modelo de uma única fase, aproveitando ao máximo a aceleração GPU/TPU e a capacidade de processamento paralelo. Eles diminuem gradualmente o escopo das disputas em várias fases, até se localizar em instruções VM específicas. Este método melhora significativamente a eficiência de execução do OPML, tornando seu desempenho próximo ao ambiente local.
Para garantir a consistência entre plataformas, a OPML adotou algoritmos de ponto fixo e bibliotecas de ponto flutuante de software. Em comparação com a ZKML, a OPML apresenta vantagens claras em termos de eficiência computacional, flexibilidade e versatilidade, oferecendo novas possibilidades para aplicações de IA descentralizadas.
O projeto OPML ainda está em desenvolvimento ativo, e convidamos os desenvolvedores interessados a contribuir.