OPML: Một giải pháp học máy blockchain có thể mở rộng
Ứng dụng của học máy trong lĩnh vực Blockchain đang trở nên ngày càng quan trọng. Để giải quyết những hạn chế của các giải pháp hiện có, chúng tôi đã đề xuất khung OPML(Học máy lạc quan), nhằm cung cấp dịch vụ suy diễn và đào tạo mô hình AI hiệu quả và chi phí thấp cho các hệ thống Blockchain.
Ý tưởng cốt lõi của OPML là sử dụng cơ chế trò chơi xác minh để đảm bảo tính phi tập trung và khả năng xác minh của dịch vụ ML. Quy trình làm việc của cơ chế này như sau:
Người yêu cầu khởi động nhiệm vụ dịch vụ ML
Máy chủ hoàn thành nhiệm vụ và gửi kết quả lên chuỗi
Người xác thực thực hiện việc xác minh kết quả, nếu có bất đồng thì khởi động trò chơi xác minh.
Định vị chính xác bước lỗi thông qua giao thức phân chia
Trọng tài cho từng bước gây tranh cãi trên hợp đồng thông minh
So với ZKML, OPML có những ưu điểm nổi bật:
Ngưỡng tham gia thấp: Máy tính thông thường không cần GPU vẫn có thể chạy mô hình ngôn ngữ lớn
Chi phí hiệu quả cao: không cần chứng minh không tốn kém
Tính linh hoạt cao: hỗ trợ suy diễn và đào tạo mô hình
Để nâng cao hiệu suất, OPML đã áp dụng thiết kế trò chơi xác thực đa giai đoạn:
Giai đoạn đầu tiên được thực hiện trong máy ảo, giống như giao thức một giai đoạn.
Giai đoạn thứ hai có thể sử dụng phần cứng tăng tốc như GPU trong môi trường địa phương.
Đảm bảo tính toàn vẹn và an toàn xuyên suốt các giai đoạn thông qua cây Merkle
Thiết kế này cho phép OPML tận dụng tối đa tài nguyên phần cứng, đồng thời đảm bảo an toàn và nâng cao hiệu suất một cách đáng kể. Lấy mô hình LLaMA làm ví dụ, OPML áp dụng phương pháp hai giai đoạn:
Giai đoạn thứ hai thực hiện xác minh trò chơi trên cấp độ đồ thị tính toán, có thể sử dụng GPU để tăng tốc.
Giai đoạn đầu tiên sẽ chuyển đổi các nút tranh chấp thành các lệnh VM để xác minh.
Thiết kế đa giai đoạn so với giao thức đơn giai đoạn, tốc độ tính toán tăng α lần ( α là tỷ lệ tăng tốc GPU ), kích thước cây Merkle cũng giảm từ O( mn ) xuống O( m+n ).
Để đảm bảo tính nhất quán của kết quả, OPML đã áp dụng thuật toán số cố định và thư viện số thực dựa trên phần mềm, giải quyết hiệu quả vấn đề sự khác biệt trong tính toán số thực trên các nền tảng khác nhau.
Tổng thể mà nói, OPML cung cấp một giải pháp hiệu quả, chi phí thấp và có thể mở rộng cho học máy trên Blockchain. Nó không chỉ hỗ trợ suy diễn mô hình, mà còn có thể được sử dụng để đào tạo mô hình, là một framework ML tổng quát. Dự án OPML vẫn đang được phát triển tích cực, hoan nghênh các nhà phát triển quan tâm tham gia đóng góp.
Xem bản gốc
Trang này có thể chứa nội dung của bên thứ ba, được cung cấp chỉ nhằm mục đích thông tin (không phải là tuyên bố/bảo đảm) và không được coi là sự chứng thực cho quan điểm của Gate hoặc là lời khuyên về tài chính hoặc chuyên môn. Xem Tuyên bố từ chối trách nhiệm để biết chi tiết.
OPML：Khối trên Blockchain hiệu quả và chi phí thấp khung máy học
OPML: Một giải pháp học máy blockchain có thể mở rộng
Ứng dụng của học máy trong lĩnh vực Blockchain đang trở nên ngày càng quan trọng. Để giải quyết những hạn chế của các giải pháp hiện có, chúng tôi đã đề xuất khung OPML(Học máy lạc quan), nhằm cung cấp dịch vụ suy diễn và đào tạo mô hình AI hiệu quả và chi phí thấp cho các hệ thống Blockchain.
Ý tưởng cốt lõi của OPML là sử dụng cơ chế trò chơi xác minh để đảm bảo tính phi tập trung và khả năng xác minh của dịch vụ ML. Quy trình làm việc của cơ chế này như sau:
So với ZKML, OPML có những ưu điểm nổi bật:
Để nâng cao hiệu suất, OPML đã áp dụng thiết kế trò chơi xác thực đa giai đoạn:
Thiết kế này cho phép OPML tận dụng tối đa tài nguyên phần cứng, đồng thời đảm bảo an toàn và nâng cao hiệu suất một cách đáng kể. Lấy mô hình LLaMA làm ví dụ, OPML áp dụng phương pháp hai giai đoạn:
Thiết kế đa giai đoạn so với giao thức đơn giai đoạn, tốc độ tính toán tăng α lần ( α là tỷ lệ tăng tốc GPU ), kích thước cây Merkle cũng giảm từ O( mn ) xuống O( m+n ).
Để đảm bảo tính nhất quán của kết quả, OPML đã áp dụng thuật toán số cố định và thư viện số thực dựa trên phần mềm, giải quyết hiệu quả vấn đề sự khác biệt trong tính toán số thực trên các nền tảng khác nhau.
Tổng thể mà nói, OPML cung cấp một giải pháp hiệu quả, chi phí thấp và có thể mở rộng cho học máy trên Blockchain. Nó không chỉ hỗ trợ suy diễn mô hình, mà còn có thể được sử dụng để đào tạo mô hình, là một framework ML tổng quát. Dự án OPML vẫn đang được phát triển tích cực, hoan nghênh các nhà phát triển quan tâm tham gia đóng góp.