Offchain Labs'in yeni örnekleme tabanlı protokolü, yapay zeka çıkarım doğrulamasını 15 dakikadan milisaniyelere düşürerek, kullanıcıların GPU'da gerçekte hangi modelin çalıştığını onaylamasını imkansız kılan bir güven açığını çözüyor.
Geri
Offchain Labs, AI kanıtlama süresini 15 dakikadan milisaniyelere indirdi
Arbitrum geliştiricisi Offchain Labs, 3 Haziran'da, örnekleme tabanlı bir yöntem öneren ve yapay zeka çıkarım kanıtı oluşturma süresini yaklaşık 15 dakikadan milisaniyelere indiren bir araştırma makalesi yayınladı.
"Token başına fiyatlandırma modeli, dolandırıcılık için somut bir ekonomik teşvik yaratıyor — 7 milyar parametreli bir modele hizmet vermek, 70 milyar parametreli olandan daha ucuzdur ve nicelenmiş çıkarım çalıştırmak tam hassasiyetten daha ucuzdur," diye yazdı Offchain Labs'deki makale yazarları, Mart 2026 tarihli Towards Verifiable AI with Lightweight Cryptographic Proofs of Inference (Hafif Kriptografik Kanıtlarla Doğrulanabilir Yapay Zekaya Doğru) başlıklı çalışmada.
Sıfır bilgi toplamaları tarafından kullanılan türden mevcut kriptografik kanıtlar, yeniden yürütme olmadan doğru hesaplamayı gösterebilir, ancak zkLLM gibi şemalar, 13 milyar parametreli bir model için tek bir çıkarım kanıtı oluşturmayı yaklaşık 15 dakika gerektiriyor — bu, bir saniyenin altında yanıt vermesi gereken API'ler için uyumsuz bir zaman dilimidir. Offchain Labs önerisi, kapsamlı yeniden yürütmeyi terk ederek rastgele örneklemeyi tercih ediyor: sunucu, model ağırlıklarının ve dahili değerlerin dijital bir parmak izini taahhüt eder, ardından istemci çıktıya doğru rastgele bir yol seçer ve sunucudan yalnızca bu yol boyunca değerleri açıklamasını ister. Sunucu daha küçük bir model kullanmışsa, değerler tutarsız olacak ve doğrulama başarısız olacaktır; tespit olasılığı tekrarlanan sorgularla birikir.
Protokol, Arbitrum One'ı koruyan aynı anlaşmazlık çözüm mantığını — iyimser toplamalar her hesaplama yerine yalnızca itiraz edilen adımı yeniden yürütür — sinir ağı çıkarımına genişletiyor ve iki sunucu arasındaki anlaşmazlığı logaritmik sayıda turda daraltan bir ikiye bölme prosedürü kullanıyor. Otonom aracıların ve model yönetişimi gerektiren düzenlenmiş endüstrilerin gelişmekte olan pazarı için, bir şeffaflık iddiası ile doğrulanabilir bir iddia arasındaki fark, doğrudan sonuçlar doğurmaya başlıyor.
Stanford araştırmacıları, GPT-3.5 ve GPT-4'ün davranışlarının Mart ve Haziran 2023 arasında aynı değerlendirme görevlerinde ölçülebilir şekillerde değiştiğini belgeledi, ancak mevcut API sözleşmesi bu farkı tespit etmek için hiçbir mekanizma sunmuyor. Model değiştirme için ekonomik teşvik, hacimle ölçekleniyor: bir sağlayıcı, sorguların bir kısmını daha küçük veya nicelenmiş bir modele yönlendirirken daha büyük modelin ücretini talep edebilir.
Makalede Arbitrum ile bağlantı açıkça belirtilmiştir. İyimser toplamalar aynı sezgiyle çalışır — uzun bir hesaplamanın her adımını her makinede yeniden yürütmek pahalıdır, itiraz edilen adımı örneklemek ise ucuzdur. Önerilen protokol, bu mantığı sinir ağı değerlerine genişleterek, Arbitrum One'ı koruyan aynı ikiye bölme tabanlı anlaşmazlık çözüm yapısını kullanır.
Düzenlenmiş endüstriler, model yönetişim ekipleri ve gelişmekte olan otonom aracılar pazarı için protokol, geliştiricilerin mevcut yığınlarını değiştirmelerini gerektirmez; yalnızca sistemdeki birinin — ister sağlayıcı, ister denetçi, ister platform — doğrulanabilir bir beyan üretmesini gerektirir.
Bu makale yalnızca bilgilendirme amaçlıdır ve yatırım tavsiyesi niteliği taşımaz.
