OPML: Система машинного навчання на основі оптимістичного підходу
Ця стаття представляє нову блокчейн-систему під назвою OPML(, що використовує оптимістичний підхід для інференції та навчання/доопрацювання AI моделей. На відміну від ZKML, OPML може надавати більш економічно ефективні послуги ML.
! [OPML: Машинне навчання з Optimistic Rollup])https://img-cdn.gateio.im/webp-social/moments-97100de5d65b1bb4dfc9ad6502195b59.webp(
Однією з основних переваг OPML є низькі вимоги до участі. В даний час звичайний ПК може працювати з OPML-системою, що містить великі мовні моделі ), такі як 26 ГБ 7B-LLaMA (, без необхідності у наявності GPU. Ця система використовує механізм валідаційних ігор для забезпечення децентралізації послуг ML та перевірного консенсусу.
Процес перевірки гри виглядає наступним чином:
Запитувач ініціює завдання ML-сервісу
Сервер виконав завдання та подав результати на ланцюг
Валідатори перевіряють результати, у разі незгоди запускається гра на перевірку.
Нарешті, проведення поетапного арбітражу на смарт-контракті
![OPML: Використання системи Optimistic Rollup для машинного навчання])https://img-cdn.gateio.im/webp-social/moments-e798407b4f5f3dd6dc7d8327db07eb20.webp(
OPML використовує дві моделі верифікаційних ігор: одноетапну та багатоетапну. Одноетапна модель схожа на обчислення делегування )RDoC(, шляхом точного визначення спірних етапів та передачі їх на арбітраж смарт-контракту. Для підвищення ефективності OPML також розробила спеціалізовану легку бібліотеку DNN і систему віртуальної машини.
! [OPML: Машинне навчання з Optimistic Rollup])https://img-cdn.gateio.im/webp-social/moments-3f290bc2a1acee40d4e71fbf35ee5079.webp(
Багатоступенева верифікаційна гра подолала обмеження одноетапної моделі, повною мірою використовує прискорення GPU/TPU та можливості паралельної обробки. Вона поступово звужує діапазон суперечок через кілька етапів, врешті-решт визначаючи конкретну інструкцію VM. Цей підхід значно підвищує ефективність виконання OPML, наближаючи його продуктивність до локального середовища.
! [OPML: Машинне навчання з Optimistic Rollup])https://img-cdn.gateio.im/webp-social/moments-4d41ed09832980b943519f4c0baa6109.webp(
Щоб забезпечити узгодженість між платформами, OPML використовує фіксовану точку алгоритму та програмну бібліотеку з плаваючою точкою. У порівнянні з ZKML, OPML має очевидні переваги в обчислювальній ефективності, гнучкості та універсальності, що відкриває нові можливості для децентралізованих AI-додатків.
! [OPML: Машинне навчання з оптимістичною системою зведення])https://img-cdn.gateio.im/social/moments-a33f120074b07b2ec4ae4ecbea79f1(
Проект OPML наразі активно розробляється, запрошуємо зацікавлених розробників долучатися до внесків.
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 лайків
Нагородити
14
5
Поділіться
Прокоментувати
0/400
JustHereForMemes
· 6год тому
Просто для розваги, не рухаюсь, якщо менше ніж за гривню.
Переглянути оригіналвідповісти на0
ProbablyNothing
· 12год тому
Щоби заробити гроші, потрібно почекати.
Переглянути оригіналвідповісти на0
GasFeeVictim
· 12год тому
Програв усе... Чи не може OPML бути трохи дешевше?
Переглянути оригіналвідповісти на0
WalletDetective
· 12год тому
Падіння бар'єрів, звичайні користувачі також мають можливість.
Переглянути оригіналвідповісти на0
SmartContractPlumber
· 12год тому
Ризик вразливості механізму перевірки занадто високий, стежу за тобою.
OPML: Ефективна та економічна децентралізована система машинного навчання
OPML: Система машинного навчання на основі оптимістичного підходу
Ця стаття представляє нову блокчейн-систему під назвою OPML(, що використовує оптимістичний підхід для інференції та навчання/доопрацювання AI моделей. На відміну від ZKML, OPML може надавати більш економічно ефективні послуги ML.
! [OPML: Машинне навчання з Optimistic Rollup])https://img-cdn.gateio.im/webp-social/moments-97100de5d65b1bb4dfc9ad6502195b59.webp(
Однією з основних переваг OPML є низькі вимоги до участі. В даний час звичайний ПК може працювати з OPML-системою, що містить великі мовні моделі ), такі як 26 ГБ 7B-LLaMA (, без необхідності у наявності GPU. Ця система використовує механізм валідаційних ігор для забезпечення децентралізації послуг ML та перевірного консенсусу.
Процес перевірки гри виглядає наступним чином:
![OPML: Використання системи Optimistic Rollup для машинного навчання])https://img-cdn.gateio.im/webp-social/moments-e798407b4f5f3dd6dc7d8327db07eb20.webp(
OPML використовує дві моделі верифікаційних ігор: одноетапну та багатоетапну. Одноетапна модель схожа на обчислення делегування )RDoC(, шляхом точного визначення спірних етапів та передачі їх на арбітраж смарт-контракту. Для підвищення ефективності OPML також розробила спеціалізовану легку бібліотеку DNN і систему віртуальної машини.
! [OPML: Машинне навчання з Optimistic Rollup])https://img-cdn.gateio.im/webp-social/moments-3f290bc2a1acee40d4e71fbf35ee5079.webp(
Багатоступенева верифікаційна гра подолала обмеження одноетапної моделі, повною мірою використовує прискорення GPU/TPU та можливості паралельної обробки. Вона поступово звужує діапазон суперечок через кілька етапів, врешті-решт визначаючи конкретну інструкцію VM. Цей підхід значно підвищує ефективність виконання OPML, наближаючи його продуктивність до локального середовища.
! [OPML: Машинне навчання з Optimistic Rollup])https://img-cdn.gateio.im/webp-social/moments-4d41ed09832980b943519f4c0baa6109.webp(
Щоб забезпечити узгодженість між платформами, OPML використовує фіксовану точку алгоритму та програмну бібліотеку з плаваючою точкою. У порівнянні з ZKML, OPML має очевидні переваги в обчислювальній ефективності, гнучкості та універсальності, що відкриває нові можливості для децентралізованих AI-додатків.
! [OPML: Машинне навчання з оптимістичною системою зведення])https://img-cdn.gateio.im/social/moments-a33f120074b07b2ec4ae4ecbea79f1(
Проект OPML наразі активно розробляється, запрошуємо зацікавлених розробників долучатися до внесків.