🎉 #Gate Alpha 第三届积分狂欢节 & ES Launchpool# 联合推广任务上线!
本次活动总奖池:1,250 枚 ES
任务目标:推广 Eclipse($ES)Launchpool 和 Alpha 第11期 $ES 专场
📄 详情参考:
Launchpool 公告:https://www.gate.com/zh/announcements/article/46134
Alpha 第11期公告:https://www.gate.com/zh/announcements/article/46137
🧩【任务内容】
请围绕 Launchpool 和 Alpha 第11期 活动进行内容创作,并晒出参与截图。
📸【参与方式】
1️⃣ 带上Tag #Gate Alpha 第三届积分狂欢节 & ES Launchpool# 发帖
2️⃣ 晒出以下任一截图:
Launchpool 质押截图(BTC / ETH / ES)
Alpha 交易页面截图(交易 ES)
3️⃣ 发布图文内容,可参考以下方向(≥60字):
简介 ES/Eclipse 项目亮点、代币机制等基本信息
分享你对 ES 项目的观点、前景判断、挖矿体验等
分析 Launchpool 挖矿 或 Alpha 积分玩法的策略和收益对比
🎁【奖励说明】
评选内容质量最优的 10 位 Launchpool/Gate
OPML:区块链上高效低成本的机器学习新范式
OPML:基于乐观机制的机器学习新范式
区块链系统中的人工智能模型推理和训练一直是业界关注的焦点。近期,一种名为OPML(Optimistic机器学习)的新方法引起了广泛关注。OPML采用乐观机制,可以在区块链系统上实现低成本、高效率的机器学习服务。
与传统的ZKML相比,OPML具有明显优势。它的参与门槛很低,普通PC无需GPU即可运行大型语言模型,如26GB大小的7B-LLaMA模型。OPML借鉴了Truebit和乐观rollup系统的验证游戏机制,以保证机器学习服务的去中心化和可验证共识。
OPML的工作流程如下:
为了提高效率,OPML采用了多项创新技术:
实验表明,OPML在普通PC上可在2秒内完成基本AI模型推理,整个验证过程2分钟内完成。这远超出了单阶段验证游戏的性能。
为进一步提升性能,OPML还提出了多阶段验证游戏。这使得计算可以充分利用GPU/TPU加速和并行处理,性能接近本地环境。多阶段OPML采用计算图表示推理过程,可灵活利用本地硬件资源。
与单阶段方案相比,两阶段OPML可实现α倍计算加速,默克尔树大小也从O(mn)降至O(m+n)。这显著提升了系统效率和可扩展性。
为确保结果一致性,OPML采用了定点算法和基于软件的浮点库。这有效解决了不同平台浮点计算的差异问题,保证了跨平台的结果一致性。
总的来说,OPML为区块链上的机器学习提供了一种低成本、高效率的新范式。它不仅支持模型推理,还可用于模型训练等多种机器学习任务。随着进一步优化和完善,OPML有望成为未来区块链AI领域的重要技术方向。