TL;DR:
- अर्बिट्रम एक नए AI निष्कर्षण सत्यापन दृष्टिकोण की अनुसंधान कर रहा है जो साबिती उत्पादन समय को 15 मिनट से मिलीसेकंड में कम करता है।
- ऑफचेन लैब्स द्वारा एक पेपर में, हर ऑपरेशन को पुनः निष्पादित किए बिना, आंतरिक मार्गों के यादृच्छिक नमूनाकरण के माध्यम से एआई मॉडल निष्कर्षणों की पुष्टि करने का प्रस्ताव किया गया है।
- प्रोटोकॉल AI API में मॉडल प्रतिस्थापन का पता लगाने के लिए Arbitrum One के समान विवाद निपटान तर्क का उपयोग करता है।
कृत्रिम बुद्धिमत्ता एजेंट्स की अर्थव्यवस्था एक समस्या का सामना कर रही है, जिसे अब तक किसी ने पर्याप्त गति से हल नहीं किया था ताकि उत्पादन में उपयोगी हो सके: प्रमाणीकरण करना कि प्रदाता द्वारा चलाए जाने का दावा किया जा रहा AI मॉडल वास्तव में निष्पादित हो रहा है।
मार्च 2026 में ऑफचेन लैब्स द्वारा प्रकाशित एक पेपर, जिसका शीर्षक *Towards Verifiable AI with Lightweight Cryptographic Proofs of Inference* है, एक समाधान प्रस्तावित करता है जो साबिती उत्पन्न करने के समय को लगभग 15 मिनट से मिलीसेकंड में कम कर देता है, और प्रणाली के पीछे की तर्कशक्ति Arbitrum परितंत्र के लिए अपरिचित नहीं है।
एक विश्वास अंतर जिसे बाजार ने सामान्य कर दिया
प्रति टोकन मूल्य निर्धारण मॉडल धोखाधड़ी के लिए एक स्पष्ट आर्थिक प्रोत्साहन बनाता है। 7 अरब पैरामीटर मॉडल को सेवा देना 70 अरब पैरामीटर मॉडल को सेवा देने से सस्ता है, और क्वांटाइज्ड निष्पादन का खर्च पूर्ण सटीकता से कम होता है। यदि कोई प्रदाता कुछ प्रश्नों को छोटे मॉडल की ओर रीडायरेक्ट कर सकता है और बड़े मॉडल की फीस ले सकता है, तो लाभ मात्रा के साथ बढ़ता है। स्टैनफोर्ड के शोधकर्ताओं ने दस्तावेज़ीकृत किया कि मार्च और जून 2023 के बीच समान मूल्यांकन कार्यों पर GPT-3.5 और GPT-4 का व्यवहार मापने योग्य तरीके से बदल गया। वर्तमान API अनुबंध में इस अंतर को पहचानने का कोई तंत्र नहीं है।
समान प्रकार के क्रिप्टोग्राफिक सबूत, जो zk-rollups द्वारा उपयोग किए जाते हैं, यह दर्शा सकते हैं कि एक सर्वर ने एक गणना को सही ढंग से निष्पादित किया है, बिना क्लाइंट को इसे दोहराने की आवश्यकता के। समस्या है गति। zkLLM जैसी योजनाएँ 13 अरब पैरामीटर मॉडल के लिए एक निष्कर्षण सबूत लगभग 15 मिनट में उत्पन्न करती हैं, जो उन API से असंगत हैं जिन्हें एक सेकंड से कम समय में प्रतिक्रिया देनी होती है।
वही तंत्र जो आर्बिट्रम वन की सुरक्षा करता है
ऑफचेन लैब्स का प्रस्ताव व्यापक साबिती को छोड़कर नमूनाकरण अपनाता है। सर्वर एक निश्चित प्रश्न के दौरान उत्पन्न मॉडल वजन के डिजिटल फिंगरप्रिंट और आंतरिक मानों के प्रति पहले से ही प्रतिबद्ध होता है। फिर क्लाइंट नेटवर्क के आउटपुट की ओर एक यादृच्छिक पथ चुनता है और सर्वर से केवल उस पथ के साथ आने वाले मानों को प्रकट करने के लिए कहता है। यदि सर्वर एक अलग मॉडल चलाता है, तो मान असंगत होंगे और सत्यापन विफल हो जाएगा। प्रत्येक दोहराए गए प्रश्न के साथ पता लगाने की संभावना जमा होती है, जिससे प्रणाली एक तर्कसंगत विरोधियों के लिए प्रभावी निवारक में बदल जाती है।
कागजात में Arbitrum से संबंध स्पष्ट है। ऑप्टिमिस्टिक रोलअप्स एक ही तर्क पर काम करते हैं: एक लंबी गणना के हर चरण को हर मशीन पर पुनः निष्पादित करना महंगा है, जबकि विवादित चरण का नमूना लेना सस्ता है। प्रस्तावित प्रोटोकॉल इस तर्क को न्यूरल नेटवर्क मानों तक विस्तारित करता है, जो एक बाइसेक्शन प्रक्रिया का उपयोग करता है जो दो सर्वरों के बीच असहमति को लघुगणकीय संख्या में राउंड्स में संकुचित करता है, जो Arbitrum One की सुरक्षा के लिए उपयोग की जाने वाली वही विवाद समाधान संरचना है।
नियमित उद्योगों, मॉडल गवर्नेंस टीमों और स्वायत्त एजेंटों के उभरते बाजार के लिए, पारदर्शिता का दावा और सत्यापित दावा के बीच का अंतर अब सीधे परिणाम लाने लगा है। प्रोटोकॉल विकासकर्ताओं से अपने मौजूदा स्टैक्स को बदलने की आवश्यकता नहीं रखता; इसके लिए केवल यह आवश्यक है कि सिस्टम में कोई व्यक्ति, चाहे प्रदाता हो, ऑडिटर हो या प्लेटफॉर्म हो, एक सत्यापित कथन प्रस्तुत करे।