Arbitrum пропонує верифікацію AI-виведення, щоб зменшити час доведення до мілісекунд

Коротко:

• Arbitrum досліджує новий підхід до верифікації AI-висновків, який скорочує час генерації доведення з 15 хвилин до мілісекунд.
• Стаття Offchain Labs пропонує перевіряти висновки моделей ШІ шляхом випадкового вибору внутрішніх шляхів, не виконуючи кожну операцію знову.
• Протокол використовує ту саму логіку вирішення спорів, що й Arbitrum One, для виявлення підміни моделі в AI API.

Економіка штучних інтелектуальних агентів стикається з проблемою, яку до цього ніхто не вирішив з достатньою швидкістю, щоб це було корисно в продуктивному середовищі: підтвердження того, що модель ШІ, яку постачальник стверджує, що запускає, насправді виконується.

Стаття, опублікована в березні 2026 року Offchain Labs під назвою *Towards Verifiable AI with Lightweight Cryptographic Proofs of Inference*, пропонує рішення, яке зменшує час генерації доказів з приблизно 15 хвилин до мілісекунд, а логіка системи не є чужою для екосистеми Arbitrum.

Модель ціноутворення за токен створює конкретний економічний стимул для шахрайства. Обслуговування моделі з 7 мільярдами параметрів дешевше, ніж обслуговування моделі з 70 мільярдами параметрів, а виконання квантованого висновку коштує менше, ніж повна точність. Якщо постачальник може перенаправити частину запитів на меншу модель, одночасно стягуючи плату за більшу, вигода масштабується разом із обсягом. Дослідники Стенфорду зафіксували, що поведінка GPT-3.5 і GPT-4 змінилася в вимірюваних межах між березнем і червнем 2023 року на тих самих тестових завданнях. Поточна угода API не передбачає механізму виявлення цієї різниці.

Існуючі криптографічні докази того ж типу, що використовуються zk-rollup, можуть продемонструвати, що сервер виконав обчислення правильно, не вимагаючи від клієнта повторювати його. Проблема — у швидкості. Схеми, такі як zkLLM, генерують доказ висновку для моделі з 13 мільярдами параметрів приблизно за 15 хвилин — це значення несумісне з API, які повинні відповідати за менше ніж одну секунду.

Пропозиція Offchain Labs відмовляється від вичерпного доведення і використовує вибірку. Сервер заздалегідь фіксує цифровий відбиток ваг моделі та внутрішні значення, згенеровані під час конкретного запиту. Клієнт вибирає випадковий шлях до виходу мережі і запитує сервер, щоб він розкрив лише значення вздовж цього шляху. Якщо сервер використовував іншу модель, значення будуть несумісними, і перевірка не пройде. Ймовірність виявлення збільшується з кожним повторним запитом, перетворюючи систему на ефективний засіб стримування раціональних противників.

Зв’язок з Arbitrum явно вказаний у статті. Оптимістичні ролапи працюють за тією ж ідеєю: повторне виконання кожного кроку довгого обчислення на кожному пристрої є витратним, тоді як вибіркова перевірка спірного кроку — недорога. Запропонований протокол поширює цю логіку на значення нейромереж, використовуючи процедуру бісекції, яка зменшує розбіжність між двома серверами за логарифмічну кількість раундів — ту саму структуру вирішення спорів, що захищає Arbitrum One.

Для регульованих галузей, команд з управління моделями та нової ринкової ниші автономних агентів різниця між твердженням про прозорість і перевірним твердженням починає мати прямі наслідки. Протокол не вимагає від розробників змінювати їхні існуючі стеки; він вимагає лише, щоб хтось у системі — чи то постачальник, аудитор, чи платформа — надав перевірне твердження.