🎉 #Gate Alpha 第三届积分狂欢节 & ES Launchpool# 聯合推廣任務上線!
本次活動總獎池:1,250 枚 ES
任務目標:推廣 Eclipse($ES)Launchpool 和 Alpha 第11期 $ES 專場
📄 詳情參考:
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
🧩【任務內容】
請圍繞 Launchpool 和 Alpha 第11期 活動進行內容創作,並曬出參與截圖。
📸【參與方式】
1️⃣ 帶上Tag #Gate Alpha 第三届积分狂欢节 & ES Launchpool# 發帖
2️⃣ 曬出以下任一截圖:
Launchpool 質押截圖(BTC / ETH / ES)
Alpha 交易頁面截圖(交易 ES)
3️⃣ 發布圖文內容,可參考以下方向(≥60字):
簡介 ES/Eclipse 項目亮點、代幣機制等基本信息
分享你對 ES 項目的觀點、前景判斷、挖礦體驗等
分析 Launchpool 挖礦 或 Alpha 積分玩法的策略和收益對比
🎁【獎勵說明】
評選內容質量最優的 10 位 Launchpool/Gate
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。