OPML: Машинная обучающая система на основе оптимистического подхода

В данной статье представлена новая блокчейн-система под названием OPML(, использующая оптимистический подход для вывода и обучения/тонкой настройки AI-моделей. В отличие от ZKML, OPML может предложить более экономичные и эффективные услуги ML.

![OPML: Использование системы Optimistic Rollup в машинном обучении])https://img-cdn.gateio.im/webp-social/moments-97100de5d65b1bb4dfc9ad6502195b59.webp(

Одно из главных преимуществ OPML заключается в его низких требованиях к участию. В настоящее время обычный ПК может запустить OPML-систему, содержащую большие языковые модели ), такие как 26 ГБ 7B-LLaMA(, без необходимости в GPU. Эта система использует механизм верификационной игры, чтобы обеспечить децентрализацию ML-сервисов и проверяемый консенсус.

Процесс проверки игры следующий:

1. Запросчик инициирует задачу ML-сервиса
2. Сервер завершает задачу и отправляет результат в цепочку
3. Валидаоры проверяют результаты, и в случае спора запускается игра валидации.
4. Наконец, выполните поэтапный арбитраж на смарт-контракте

! [OPML: Машинное обучение с оптимистичной системой свертывания])https://img-cdn.gateio.im/webp-social/moments-e798407b4f5f3dd6dc7d8327db07eb20.webp(

OPML использует два режима проверки игр: одностадийный и многостадийный. Одностадийный режим похож на вычислительную делегацию )RDoC(, путем точного определения спорного этапа и передачи его на арбитраж смарт-контракта. Для повышения эффективности OPML также разработала специализированную легковесную библиотеку DNN и систему виртуальной машины.

! [OPML: Машинное обучение с оптимистичным свертыванием])https://img-cdn.gateio.im/webp-social/moments-3f290bc2a1acee40d4e71fbf35ee5079.webp(

Многоступенчатая верификация игр преодолевает ограничения одноэтапной модели, полностью используя возможности ускорения и параллельной обработки GPU/TPU. Она постепенно сужает область спора через несколько этапов, в конечном итоге локализуя конкретную команду VM. Этот подход значительно повышает эффективность выполнения OPML, приближая его производительность к локальной среде.

! [OPML: Машинное обучение с оптимистичным свертыванием])https://img-cdn.gateio.im/webp-social/moments-4d41ed09832980b943519f4c0baa6109.webp(

Чтобы обеспечить согласованность между платформами, OPML использует фиксированную точку и библиотеку программного плавающего числа. По сравнению с ZKML, OPML имеет явные преимущества в вычислительной эффективности, гибкости и универсальности, что открывает новые возможности для децентрализованных AI-приложений.

! [OPML: Машинное обучение с оптимистичной системой свертывания])https://img-cdn.gateio.im/webp-social/moments-a33f120074b07b2ec4ae4ececbea79f1.webp(

Проект OPML по-прежнему активно разрабатывается, приветствуем заинтересованных разработчиков присоединиться к вкладу.