OPML: Machine Learning Descentralizado e Escalável
Recentemente, a tecnologia de aprendizado de máquina otimista OPML( proposta oferece um novo método de inferência e treinamento de modelos de IA para sistemas de blockchain. Em comparação com ZKML, a OPML apresenta vantagens de baixo custo e alta eficiência, podendo rodar grandes modelos de linguagem, como o 7B-LLaMA de 26GB, em PCs comuns.
![OPML: Sistema de Aprendizagem de Máquina com Optimistic Rollup])https://img-cdn.gateio.im/webp-social/moments-97100de5d65b1bb4dfc9ad6502195b59.webp(
OPML utiliza um mecanismo de validação de jogo para garantir a Descentralização e a verificabilidade dos serviços de ML. O seu fluxo de trabalho inclui:
O requerente inicia a tarefa ML
O servidor completa a tarefa e submete o resultado na cadeia
Os validadores verificam os resultados; se houver objeções, iniciam o jogo de validação.
Precisar os passos de erro através do protocolo de divisão.
Por fim, realizar a arbitragem passo a passo no contrato inteligente
Para aumentar a eficiência, a OPML utilizou uma biblioteca DNN leve e projetada especificamente, além de tecnologia de compilação cruzada. A imagem da máquina virtual é gerida através de uma árvore de Merkle, apenas o hash da raiz é carregado na cadeia.
A OPML de uma única fase apresenta algumas limitações, como a incapacidade de aproveitar plenamente a aceleração da GPU. Para resolver esse problema, foi proposta uma solução OPML de múltiplas fases:
Apenas a fase final é calculada na VM
As outras fases podem ser executadas no ambiente local, utilizando aceleração de hardware.
Garantir a integridade da transição entre fases através da árvore de Merkle
Usando o modelo LLaMA como exemplo, adotando OPML em duas fases:
A segunda fase realiza um jogo de verificação sobre o gráfico de computação
A primeira fase transformará a computação de um único nó na execução de instruções VM
A OPML de múltiplas fases pode alcançar uma aceleração de α vezes em comparação com a de uma única fase, e o tamanho da árvore de Merkle é menor.
![OPML: Sistema de Aprendizagem de Máquina baseado em Descentralização Optimista])https://img-cdn.gateio.im/webp-social/moments-4d41ed09832980b943519f4c0baa6109.webp(
Para garantir a consistência dos resultados, o OPML utiliza algoritmos de ponto fixo e bibliotecas de ponto flutuante multiplataforma. Em comparação com o ZKML, o OPML tem vantagens em termos de eficiência de cálculo, versatilidade e dificuldade de desenvolvimento.
A tecnologia OPML ainda está em desenvolvimento contínuo, e convidamos os desenvolvedores interessados a contribuir.
Ver original
Esta página pode conter conteúdo de terceiros, que é fornecido apenas para fins informativos (não para representações/garantias) e não deve ser considerada como um endosso de suas opiniões pela Gate nem como aconselhamento financeiro ou profissional. Consulte a Isenção de responsabilidade para obter detalhes.
9 Curtidas
Recompensa
9
4
Compartilhar
Comentário
0/400
liquiditea_sipper
· 08-01 20:07
O salvador dos nerds tecnológicos chegou
Ver originalResponder0
FadCatcher
· 08-01 20:03
Novato também pode brincar com AI!
Ver originalResponder0
GateUser-e51e87c7
· 08-01 20:00
Reduzir custos e aumentar a eficiência é o caminho a seguir.
Ver originalResponder0
BearMarketBarber
· 08-01 19:59
Acessório essencial para a queda de inteligência dos apostadores...
OPML: Nova tecnologia de aprendizagem de máquina descentralizada, eficiente e escalável
OPML: Machine Learning Descentralizado e Escalável
Recentemente, a tecnologia de aprendizado de máquina otimista OPML( proposta oferece um novo método de inferência e treinamento de modelos de IA para sistemas de blockchain. Em comparação com ZKML, a OPML apresenta vantagens de baixo custo e alta eficiência, podendo rodar grandes modelos de linguagem, como o 7B-LLaMA de 26GB, em PCs comuns.
![OPML: Sistema de Aprendizagem de Máquina com Optimistic Rollup])https://img-cdn.gateio.im/webp-social/moments-97100de5d65b1bb4dfc9ad6502195b59.webp(
OPML utiliza um mecanismo de validação de jogo para garantir a Descentralização e a verificabilidade dos serviços de ML. O seu fluxo de trabalho inclui:
![OPML：采用Descentralização Rollup系统的机器学习])https://img-cdn.gateio.im/webp-social/moments-e798407b4f5f3dd6dc7d8327db07eb20.webp(
Para aumentar a eficiência, a OPML utilizou uma biblioteca DNN leve e projetada especificamente, além de tecnologia de compilação cruzada. A imagem da máquina virtual é gerida através de uma árvore de Merkle, apenas o hash da raiz é carregado na cadeia.
A OPML de uma única fase apresenta algumas limitações, como a incapacidade de aproveitar plenamente a aceleração da GPU. Para resolver esse problema, foi proposta uma solução OPML de múltiplas fases:
![OPML：采用Optimistic Rollup系统的机器学习])https://img-cdn.gateio.im/webp-social/moments-3f290bc2a1acee40d4e71fbf35ee5079.webp(
Usando o modelo LLaMA como exemplo, adotando OPML em duas fases:
A OPML de múltiplas fases pode alcançar uma aceleração de α vezes em comparação com a de uma única fase, e o tamanho da árvore de Merkle é menor.
![OPML: Sistema de Aprendizagem de Máquina baseado em Descentralização Optimista])https://img-cdn.gateio.im/webp-social/moments-4d41ed09832980b943519f4c0baa6109.webp(
Para garantir a consistência dos resultados, o OPML utiliza algoritmos de ponto fixo e bibliotecas de ponto flutuante multiplataforma. Em comparação com o ZKML, o OPML tem vantagens em termos de eficiência de cálculo, versatilidade e dificuldade de desenvolvimento.
![OPML：采用Optimistic Rollup系统的机器学习])https://img-cdn.gateio.im/webp-social/moments-a33f120074b07b2ec4ae4ececbea79f1.webp(
A tecnologia OPML ainda está em desenvolvimento contínuo, e convidamos os desenvolvedores interessados a contribuir.