Le cheval noir dans le domaine de la vérification zkML est sans aucun doute @inference_labs Tout le monde est en train de se battre, je vais donner un avis différent 👇 Nous savons tous que les modèles d'IA doivent traiter une grande quantité de données chaque jour, alors comment s'assurer que l'IA juge correctement les données ? Inference résout ce problème En utilisant le cadre DSperse pour effectuer une vérification par tranches Il ne s'agit pas de générer une preuve pour l'ensemble du modèle d'IA Mais seulement de générer une preuve zkML pour les nœuds de décision clés Par exemple, pour la reconnaissance d'objectifs, l'évaluation des menaces, et les décisions de libération d'armes, ces chemins critiques de sécurité font l'objet de preuves à connaissance nulle séparées Cela garantit à la fois la vérifiabilité et n'entrave pas les performances en temps réel Ainsi, on peut dire qu'Inference est adapté à l'utilisation de la vérification zk pour les grandes entreprises et les types de défense militaire Si vous construisez également @inference_labs, vous pouvez citer ce tweet, je vous aiderai à interagir ～ Pour l'instant, je devrais avoir un certain poids d'interaction.