OPML: Teknologi pembelajaran mesin baru yang efisien, dapat diskalakan, dan desentralisasi

2025-08-01 19:40:17

Pembuatan abstrak sedang berlangsung

OPML: Pembelajaran mesin desentralisasi yang dapat diperluas

Teknologi OPML( yang diusulkan baru-baru ini memberikan metode inferensi dan pelatihan model AI yang baru untuk sistem blockchain. Dibandingkan dengan ZKML, OPML memiliki keunggulan biaya rendah dan efisiensi tinggi, mampu menjalankan model bahasa besar seperti 7B-LLaMA dengan ukuran 26GB di PC biasa.

![OPML: Menggunakan sistem Optimistic Rollup untuk pembelajaran mesin])https://img-cdn.gateio.im/webp-social/moments-97100de5d65b1bb4dfc9ad6502195b59.webp(

OPML menggunakan mekanisme permainan verifikasi untuk memastikan desentralisasi dan verifikasi layanan ML. Alur kerjanya mencakup:

Pemohon memulai tugas ML
Server menyelesaikan tugas dan mengirimkan hasil ke rantai
Validator memeriksa hasil, jika ada keberatan maka memulai permainan validasi
Menentukan langkah kesalahan secara tepat melalui protokol biner
Terakhir, lakukan arbitrase langkah demi langkah pada kontrak pintar

![OPML：Menggunakan sistem Optimistic Rollup untuk pembelajaran mesin])https://img-cdn.gateio.im/webp-social/moments-e798407b4f5f3dd6dc7d8327db07eb20.webp(

Untuk meningkatkan efisiensi, OPML menggunakan pustaka DNN ringan yang dirancang khusus dan teknologi kompilasi silang. Citra mesin virtual dikelola melalui pohon Merkle, hanya mengunggah hash akar ke rantai.

Single-stage OPML memiliki beberapa keterbatasan, seperti tidak dapat memanfaatkan percepatan GPU secara maksimal. Untuk mengatasi masalah ini, diusulkan skema OPML multi-stage:

Hanya tahap terakhir yang dihitung dalam VM
Tahap lainnya dapat dilakukan di lingkungan lokal, menggunakan akselerasi perangkat keras
Menjamin integritas transisi antar tahap melalui pohon Merkle

![OPML：Menggunakan sistem Optimistic Rollup untuk pembelajaran mesin])https://img-cdn.gateio.im/webp-social/moments-3f290bc2a1acee40d4e71fbf35ee5079.webp(

Dengan menggunakan model LLaMA sebagai contoh, mengadopsi dua tahap OPML:

Tahap kedua melakukan verifikasi permainan pada grafik perhitungan
Tahap pertama akan mengubah komputasi node tunggal menjadi eksekusi instruksi VM

Multi-stage OPML dapat mencapai percepatan α kali lipat dibandingkan dengan satu tahap, dan ukuran pohon Merkle juga lebih kecil.

![OPML：Menggunakan sistem Optimistic Rollup untuk pembelajaran mesin])https://img-cdn.gateio.im/webp-social/moments-4d41ed09832980b943519f4c0baa6109.webp(

Untuk memastikan konsistensi hasil, OPML menggunakan algoritma fixed-point dan pustaka floating-point lintas platform. Dibandingkan dengan ZKML, OPML memiliki keunggulan dalam efisiensi komputasi, universalisme, dan tingkat kesulitan pengembangan.

![OPML：Menggunakan sistem Optimistic Rollup dalam pembelajaran mesin])https://img-cdn.gateio.im/webp-social/moments-a33f120074b07b2ec4ae4ececbea79f1.webp(

Teknologi OPML masih dalam pengembangan berkelanjutan, silakan bagi pengembang yang berminat untuk berpartisipasi dan berkontribusi.

Lihat Asli

Halaman ini mungkin berisi konten pihak ketiga, yang disediakan untuk tujuan informasi saja (bukan pernyataan/jaminan) dan tidak boleh dianggap sebagai dukungan terhadap pandangannya oleh Gate, atau sebagai nasihat keuangan atau profesional. Lihat Penafian untuk detailnya.

9 Suka