📢 #Gate广场征文活动第三期# 正式啓動!
🎮 本期聚焦:Yooldo Games (ESPORTS)
✍️ 分享獨特見解 + 參與互動推廣,若同步參與 Gate 第 286 期 Launchpool、CandyDrop 或 Alpha 活動,即可獲得任意獎勵資格!
💡 內容創作 + 空投參與 = 雙重加分,大獎候選人就是你!
💰總獎池:4,464 枚 $ESPORTS
🏆 一等獎(1名):964 枚
🥈 二等獎(5名):每人 400 枚
🥉 三等獎(10名):每人 150 枚
🚀 參與方式:
在 Gate廣場發布不少於 300 字的原創文章
添加標籤: #Gate广场征文活动第三期#
每篇文章需 ≥3 個互動(點讚 / 評論 / 轉發)
發布參與 Launchpool / CandyDrop / Alpha 任一活動的截圖,作爲獲獎資格憑證
同步轉發至 X(推特)可增加獲獎概率,標籤:#GateSquare 👉 https://www.gate.com/questionnaire/6907
🎯 雙倍獎勵機會:參與第 286 期 Launchpool!
質押 BTC 或 ESPORTS,瓜分 803,571 枚 $ESPORTS,每小時發放
時間:7 月 21 日 20:00 – 7 月 25 日 20:00(UTC+8)
🧠 寫作方向建議:
Yooldo
OPML:區塊鏈上高效低成本的機器學習新範式
OPML:基於樂觀機制的機器學習新範式
區塊鏈系統中的人工智能模型推理和訓練一直是業界關注的焦點。近期,一種名爲OPML(Optimistic機器學習)的新方法引起了廣泛關注。OPML採用樂觀機制,可以在區塊鏈系統上實現低成本、高效率的機器學習服務。
與傳統的ZKML相比,OPML具有明顯優勢。它的參與門檻很低,普通PC無需GPU即可運行大型語言模型,如26GB大小的7B-LLaMA模型。OPML借鑑了Truebit和樂觀rollup系統的驗證遊戲機制,以保證機器學習服務的去中心化和可驗證共識。
OPML的工作流程如下:
爲了提高效率,OPML採用了多項創新技術:
實驗表明,OPML在普通PC上可在2秒內完成基本AI模型推理,整個驗證過程2分鍾內完成。這遠超出了單階段驗證遊戲的性能。
爲進一步提升性能,OPML還提出了多階段驗證遊戲。這使得計算可以充分利用GPU/TPU加速和並行處理,性能接近本地環境。多階段OPML採用計算圖表示推理過程,可靈活利用本地硬件資源。
與單階段方案相比,兩階段OPML可實現α倍計算加速,默克爾樹大小也從O(mn)降至O(m+n)。這顯著提升了系統效率和可擴展性。
爲確保結果一致性,OPML採用了定點算法和基於軟件的浮點庫。這有效解決了不同平台浮點計算的差異問題,保證了跨平台的結果一致性。
總的來說,OPML爲區塊鏈上的機器學習提供了一種低成本、高效率的新範式。它不僅支持模型推理,還可用於模型訓練等多種機器學習任務。隨着進一步優化和完善,OPML有望成爲未來區塊鏈AI領域的重要技術方向。