OPML: Aprendizaje automático descentralizado y escalable
La tecnología de aprendizaje automático optimista OPML( propuesta recientemente proporciona un nuevo método de inferencia y entrenamiento de modelos de IA para sistemas de blockchain. En comparación con ZKML, OPML tiene la ventaja de ser de bajo costo y alta eficiencia, pudiendo ejecutar modelos de lenguaje grandes, como el 7B-LLaMA de 26GB, en una PC normal.
OPML utiliza un mecanismo de juego de verificación para garantizar la Descentralización y la verificabilidad de los servicios de ML. Su flujo de trabajo incluye:
El solicitante inicia la tarea de ML
El servidor completa la tarea y envía el resultado a la cadena
Los validadores revisan los resultados, y si hay objeciones, inician el juego de validación.
Localización precisa de los pasos erróneos a través del protocolo de bifurcación
Finalmente, realizar arbitraje paso a paso en el contrato inteligente
![OPML: Sistema de aprendizaje automático que utiliza Descentralización Rollup Optimista])https://img-cdn.gateio.im/webp-social/moments-e798407b4f5f3dd6dc7d8327db07eb20.webp(
Para mejorar la eficiencia, OPML utiliza una biblioteca DNN ligera diseñada específicamente y tecnología de compilación cruzada. La imagen de la máquina virtual se gestiona a través de un árbol de Merkle, solo subiendo el hash raíz a la cadena.
La OPML de una sola etapa tiene algunas limitaciones, como la incapacidad para aprovechar completamente la aceleración de GPU. Para resolver este problema, se propuso un esquema de OPML de múltiples etapas:
Solo se calcula en la VM en la etapa final
Otras etapas se pueden ejecutar en el entorno local, utilizando aceleración de hardware
Asegurar la integridad de la transición entre fases a través de un árbol de Merkle
![OPML: sistema de aprendizaje automático que utiliza Descentralización Rollup Optimista])https://img-cdn.gateio.im/webp-social/moments-3f290bc2a1acee40d4e71fbf35ee5079.webp(
Tomando el modelo LLaMA como ejemplo, se utiliza OPML en dos etapas:
La segunda fase consiste en la verificación del juego en el gráfico computacional.
La primera fase convertirá el cálculo de un solo nodo en la ejecución de instrucciones de VM
El OPML de múltiples etapas puede lograr una aceleración de α veces en comparación con el de una sola etapa, y el tamaño del árbol de Merkle es más pequeño.
Para garantizar la consistencia de los resultados, OPML utiliza algoritmos de punto fijo y bibliotecas de punto flotante multiplataforma. En comparación con ZKML, OPML tiene ventajas en términos de eficiencia de cálculo, versatilidad y dificultad de desarrollo.
La tecnología OPML sigue en desarrollo continuo, invitamos a los desarrolladores interesados a participar y contribuir.
Ver originales
Esta página puede contener contenido de terceros, que se proporciona únicamente con fines informativos (sin garantías ni declaraciones) y no debe considerarse como un respaldo por parte de Gate a las opiniones expresadas ni como asesoramiento financiero o profesional. Consulte el Descargo de responsabilidad para obtener más detalles.
9 me gusta
Recompensa
9
4
Compartir
Comentar
0/400
liquiditea_sipper
· 08-01 20:07
El salvador de los técnicos ha llegado
Ver originalesResponder0
FadCatcher
· 08-01 20:03
¡Los novatos también pueden jugar con la IA!
Ver originalesResponder0
GateUser-e51e87c7
· 08-01 20:00
Reducir costos y aumentar la eficiencia es el camino a seguir.
OPML: Nueva tecnología de aprendizaje automático descentralizado, eficiente y escalable
OPML: Aprendizaje automático descentralizado y escalable
La tecnología de aprendizaje automático optimista OPML( propuesta recientemente proporciona un nuevo método de inferencia y entrenamiento de modelos de IA para sistemas de blockchain. En comparación con ZKML, OPML tiene la ventaja de ser de bajo costo y alta eficiencia, pudiendo ejecutar modelos de lenguaje grandes, como el 7B-LLaMA de 26GB, en una PC normal.
![OPML：采用Optimistic Rollup系统的机器学习])https://img-cdn.gateio.im/webp-social/moments-97100de5d65b1bb4dfc9ad6502195b59.webp(
OPML utiliza un mecanismo de juego de verificación para garantizar la Descentralización y la verificabilidad de los servicios de ML. Su flujo de trabajo incluye:
![OPML: Sistema de aprendizaje automático que utiliza Descentralización Rollup Optimista])https://img-cdn.gateio.im/webp-social/moments-e798407b4f5f3dd6dc7d8327db07eb20.webp(
Para mejorar la eficiencia, OPML utiliza una biblioteca DNN ligera diseñada específicamente y tecnología de compilación cruzada. La imagen de la máquina virtual se gestiona a través de un árbol de Merkle, solo subiendo el hash raíz a la cadena.
La OPML de una sola etapa tiene algunas limitaciones, como la incapacidad para aprovechar completamente la aceleración de GPU. Para resolver este problema, se propuso un esquema de OPML de múltiples etapas:
![OPML: sistema de aprendizaje automático que utiliza Descentralización Rollup Optimista])https://img-cdn.gateio.im/webp-social/moments-3f290bc2a1acee40d4e71fbf35ee5079.webp(
Tomando el modelo LLaMA como ejemplo, se utiliza OPML en dos etapas:
El OPML de múltiples etapas puede lograr una aceleración de α veces en comparación con el de una sola etapa, y el tamaño del árbol de Merkle es más pequeño.
![OPML：采用Optimistic Rollup系统的机器学习])https://img-cdn.gateio.im/webp-social/moments-4d41ed09832980b943519f4c0baa6109.webp(
Para garantizar la consistencia de los resultados, OPML utiliza algoritmos de punto fijo y bibliotecas de punto flotante multiplataforma. En comparación con ZKML, OPML tiene ventajas en términos de eficiencia de cálculo, versatilidad y dificultad de desarrollo.
![OPML：采用Optimistic Rollup系统的机器学习])https://img-cdn.gateio.im/webp-social/moments-a33f120074b07b2ec4ae4ececbea79f1.webp(
La tecnología OPML sigue en desarrollo continuo, invitamos a los desarrolladores interesados a participar y contribuir.