AI 诚信 abre un nuevo avance en el sector: Attestable anuncia la finalización de una ronda semilla de 20 millones de dólares; lideran la ronda Jamin Ball de Altimeter Capital y Yonatan Mandelbaum de TLV Partners, con la participación de Halcyon Futures, Cerca Partners, Zero Knowledge Ventures, entre otros.
Vitalik reenvió el tuit del CEO del proyecto y lo elogió como una «obra impresionante», lo que atrajo rápidamente la atención.
La contribución central de Attestable consiste en superar el largo problema técnico que se consideraba difícil de implementar: las «pruebas de conocimiento cero (ZK) prácticas». Su solución traslada la suposición de confianza de los centros de datos tradicionales a un verificador matemático extremadamente pequeño: el centro de datos puede generar pruebas verificables sobre el modelo, los pesos, las entradas y la salida generada por la estrategia; todo el proceso no revela los pesos del modelo ni los datos privados, permite verificar sin llaves privadas y tampoco requiere volver a ejecutar el modelo.
En cuanto al rendimiento, el equipo probó en un solo NVIDIA H100. Para el modelo Meta Muse Glimmer 30B, en su versión alfa la velocidad de verificación alcanza 85 tokens por segundo, con un tamaño de prueba compacto y además con seguridad post-cuántica.
Esto significa que la verificabilidad de la inferencia de IA está pasando de la teoría a la ingeniería. En el futuro, quizá pueda resolver la contradicción clave entre los «modelos de caja negra» y la «privacidad de los datos», algo que merece seguimiento a largo plazo.
#AI #零知识证明 #Inteligencia Artificial
Vitalik reenvió el tuit del CEO del proyecto y lo elogió como una «obra impresionante», lo que atrajo rápidamente la atención.
La contribución central de Attestable consiste en superar el largo problema técnico que se consideraba difícil de implementar: las «pruebas de conocimiento cero (ZK) prácticas». Su solución traslada la suposición de confianza de los centros de datos tradicionales a un verificador matemático extremadamente pequeño: el centro de datos puede generar pruebas verificables sobre el modelo, los pesos, las entradas y la salida generada por la estrategia; todo el proceso no revela los pesos del modelo ni los datos privados, permite verificar sin llaves privadas y tampoco requiere volver a ejecutar el modelo.
En cuanto al rendimiento, el equipo probó en un solo NVIDIA H100. Para el modelo Meta Muse Glimmer 30B, en su versión alfa la velocidad de verificación alcanza 85 tokens por segundo, con un tamaño de prueba compacto y además con seguridad post-cuántica.
Esto significa que la verificabilidad de la inferencia de IA está pasando de la teoría a la ingeniería. En el futuro, quizá pueda resolver la contradicción clave entre los «modelos de caja negra» y la «privacidad de los datos», algo que merece seguimiento a largo plazo.
#AI #零知识证明 #Inteligencia Artificial