Arbitrum mencadangkan pengesahan inferens AI untuk mengurangkan masa bukti kepada milisaat

TL;DR:

• Arbitrum sedang menyelidiki pendekatan pengesahan inferens AI baharu yang mengurangkan masa penghasilan bukti daripada 15 minit kepada milisaat.
• Sebuah kertas oleh Offchain Labs mencadangkan pengesahan inferens model AI melalui pengambilan sampel rawak laluan dalaman, tanpa melaksanakan setiap operasi semula.
• Protokol ini menggunakan logik penyelesaian sengketa yang sama seperti Arbitrum One untuk mengesan penggantian model dalam API AI.

Ekonomi agen kecerdasan buatan menghadapi masalah yang, sehingga kini, tidak ada yang menyelesaikannya dengan cukup pantas untuk berguna dalam pengeluaran: memverifikasi bahawa model AI yang diklaim oleh penyedia sedang dijalankan sebenarnya adalah yang sedang dijalankan.

Sebuah kertas kerja yang diterbitkan pada Mac 2026 oleh Offchain Labs, berjudul *Towards Verifiable AI with Lightweight Cryptographic Proofs of Inference*, mencadangkan satu penyelesaian yang mengurangkan masa penghasilan bukti daripada kira-kira 15 minit kepada milisaat, dan logik di sebalik sistem ini bukanlah asing kepada ekosistem Arbitrum.

Model harga per-token menciptakan insentif ekonomi yang nyata untuk penipuan. Melayani model 7-miliar parameter lebih murah daripada melayani model 70-miliar parameter, dan menjalankan inferensi terkuantisasi lebih murah daripada presisi penuh. Jika penyedia boleh mengalihkan sebahagian permintaan ke model yang lebih kecil sambil menagih bayaran untuk model yang lebih besar, keuntungannya akan meningkat mengikut volum. Para penyelidik dari Stanford mendokumentasikan bahawa perilaku GPT-3.5 dan GPT-4 berubah dengan cara yang dapat diukur antara Mac dan Jun 2023 dalam tugas penilaian yang sama. Kontrak API semasa tidak menawarkan mekanisme untuk mengesan perbezaan ini.

Bukti kriptografi yang sedia ada, jenis yang sama digunakan oleh zk-rollups, boleh menunjukkan bahawa pelayan menjalankan pengiraan dengan betul tanpa pelanggan perlu mengulanginya. Masalahnya ialah kelajuan. Skema seperti zkLLM menghasilkan bukti inferens untuk model dengan 13 bilion parameter dalam masa sekitar 15 minit, angka yang tidak sepadan dengan API yang mesti memberi respons dalam masa kurang daripada satu saat.

Cadangan Offchain Labs meninggalkan bukti menyeluruh dan mengambil sampel. Pelayan berkomitmen terlebih dahulu terhadap cap digital bobot model dan nilai dalaman yang dihasilkan semasa kueri tertentu. Klien kemudian memilih laluan rawak menuju output rangkaian dan meminta pelayan untuk mengungkapkan hanya nilai-nilai sepanjang laluan itu. Jika pelayan menjalankan model yang berbeza, nilai-nilai tersebut akan tidak konsisten dan pengesahan gagal. Kebarangkalian pengesanan bertambah dengan setiap kueri berulang, menjadikan sistem ini sebagai penghalang yang berkesan terhadap lawan rasional.

Hubungan dengan Arbitrum adalah jelas dalam kertas tersebut. Rollup optimis beroperasi berdasarkan intuisi yang sama: mengeksekusi semula setiap langkah pengiraan panjang pada setiap mesin adalah mahal, manakala mengambil sampel langkah yang diperselisihkan adalah murah. Protokol yang dicadangkan memperluaskan logik ini kepada nilai rangkaian saraf, menggunakan prosedur biseksi yang mempersempit perbezaan antara dua pelayan dalam sejumlah putaran logaritma, struktur penyelesaian pertikaian yang sama yang melindungi Arbitrum One.

Bagi industri yang dirgikan, pasukan tata kelola model, dan pasaran emergen agen autonom, perbezaan antara tuntutan transparansi dan tuntutan yang boleh disahkan mula membawa kesan langsung. Protokol ini tidak memerlukan pembangun untuk mengubah tumpukan sedia ada mereka; ia hanya memerlukan seseorang dalam sistem, sama ada penyedia, auditor, atau platform, untuk menghasilkan pernyataan yang boleh disahkan.