📢 #Gate广场征文活动第三期# 正式啓動!
🎮 本期聚焦:Yooldo Games (ESPORTS)
✍️ 分享獨特見解 + 參與互動推廣,若同步參與 Gate 第 286 期 Launchpool、CandyDrop 或 Alpha 活動,即可獲得任意獎勵資格!
💡 內容創作 + 空投參與 = 雙重加分,大獎候選人就是你!
💰總獎池:4,464 枚 $ESPORTS
🏆 一等獎(1名):964 枚
🥈 二等獎(5名):每人 400 枚
🥉 三等獎(10名):每人 150 枚
🚀 參與方式:
在 Gate廣場發布不少於 300 字的原創文章
添加標籤: #Gate广场征文活动第三期#
每篇文章需 ≥3 個互動(點讚 / 評論 / 轉發)
發布參與 Launchpool / CandyDrop / Alpha 任一活動的截圖,作爲獲獎資格憑證
同步轉發至 X(推特)可增加獲獎概率,標籤:#GateSquare 👉 https://www.gate.com/questionnaire/6907
🎯 雙倍獎勵機會:參與第 286 期 Launchpool!
質押 BTC 或 ESPORTS,瓜分 803,571 枚 $ESPORTS,每小時發放
時間:7 月 21 日 20:00 – 7 月 25 日 20:00(UTC+8)
🧠 寫作方向建議:
Yooldo
OPML:區塊鏈上高效低成本的AI模型訓練與推理方案
OPML: 高效的區塊鏈機器學習方案
OPML(Optimistic機器學習)是一種創新的區塊鏈AI模型推理和訓練方法。相比ZKML,OPML具有成本低、效率高的優勢。即使在普通PC上也能運行大型語言模型,如26GB的7B-LLaMA。
OPML採用驗證遊戲機制,類似Truebit和Optimistic Rollup系統,實現去中心化和可驗證的ML服務。其流程包括:
OPML的單階段驗證遊戲採用精確定位協議,通過虛擬機(VM)實現鏈下執行和鏈上仲裁。爲提高AI推理效率,OPML使用專門設計的輕量級DNN庫,並提供轉換腳本支持主流ML框架。VM鏡像採用默克爾樹管理,只將根哈希上傳鏈上。
然而,單階段驗證遊戲局限於VM內執行,無法充分利用GPU/TPU加速。爲此,OPML提出了多階段驗證遊戲方案。在非最後階段,計算可在本地環境中靈活執行,充分發揮硬件性能。多階段方法顯著提升了執行效率,接近原生環境水平。
以LLaMA模型爲例,OPML採用兩階段方法:
多階段OPML相比單階段實現了α倍加速,其中α爲GPU/並行計算的加速比。此外,多階段方法還大幅減小了默克爾樹大小。
爲確保跨平台一致性,OPML採用定點算法和軟件浮點庫,克服了硬件差異帶來的挑戰。
總的來說,OPML爲區塊鏈上的機器學習提供了一種高效、低成本的解決方案,具有廣闊的應用前景。