"ZKML"

的搜索结果

本文举例如使用ZKML来保护AI模型输入资料的隐私，探索两者结合的可能性。

本文深入解析 Polyhedra Network 推出的 zkPyTorch 编译器如何将主流 AI 框架 PyTorch 与零知识证明（ZKP）技术融合，降低 ZKML 开发门槛，实现机器学习推理过程的可信验证与隐私保护。涵盖其三大核心模块（预处理、量化、电路优化）、关键技术（DAG、查表函数、FFT 卷积）、多级电路优化策略，并通过 VGG-16 与 Llama-3 的实测数据，展示 zkPyTorch 在性能与精度上的突破。

在区块链与人工智能的交汇点上，ORA 正在开辟新的前沿，通过结合 AI、丰富的数据源和任意规模的计算能力，ORA不仅突破了智能合约的限制，还为开发者们提供了更多创新空间。本文详细介绍了 ORA 的核心技术和产品，包括零知识机器学习（zkML）、Optimistic 机器学习（opML）以及乐观隐私保护人工智能（opp/ai），了解更多 ORA 如何推动链上 AI 的发展。

本文将从算力云、算力市场、模型资产化与训练、AI Agent、数据资产化、ZKML、AI 应用等 7 个模块横向展开，探寻 AI 与加密货币领域的未来发展，挖掘投资机会。

人工智能 x 加密货币涵盖了多个子领域，包括AI代理、去中心化计算、数据、预言机、ZKML（零知识机器学习）、FHEML（全同态加密机器学习）、协处理器、Memes、生成艺术平台和游戏应用。

本文探讨了人工智慧与区块链技术在去中心化金融领域的整合及其潜力，透过分析Fyde Treasury 和Mozaic Finance 等智慧DeFi 协议，文章展示了AI 在资金管理和风险评估中的应用，并讨论AI 在DeFi 中面临的挑战，包括去中心化和可扩展性问题，同时也介绍了零知识机器学习（zkML）技术，以及它如何帮助解决AI 在区块链中的应用问题。

Gate 研究院（2025.1.18-2025.1.24），1 月20 日，Polyhedra 启动新的零知识训练营，包含 zkML 等五个赛道。1 月20 日，Tether 宣布在 Kraken 的以太坊二层网络 Ink 上部署全新代币 USDT0，这是一项基于 LayerZero 全链可替代代币标准的重大创新。1 月 21 日，EigenLayer 宣布其 Rewards v2 协议升级已于 1 月 21 日上线主网，标志着首个 EigenLayer 改进提案（ELIP-001）的成功执行。1 月 21 日， 以太坊基金会将拨款 5 万枚 ETH 参与 DeFi 生态，已在 Aave 上进行测试交易。

本文从应用的角度重新审视可验证AI方案，分析其在哪些场景中是刚需，以及在哪些场景中的需求相对较弱。最终探讨以公链为基础的AI生态模式，并提出了横向与纵向两种不同的发展模式。

加密货币和人工智能交叉领域的实验受到的推动力与加密货币最有前景的应用案例相同——即访问无需许可和无需信任的协调层，更有效地促进价值转移。

本文介绍了加密货币和人工智能的交集，公共区块链的出现是计算机科学历史上最深刻的进步之一， 而人工智能的发展将会并且已经在对我们的世界产生深远的影

本文讨论AI与加密货币结合的潜力，强调真正的融合应该是将Crypto融入AI工作流和AI赋能Crypto的过程。

Vitalik发表了"The promise and challenges of crypto + AI applications"，讨论了区块链与人工智能的结合方式及潜在挑战。文章提出了四种结合方式，并介绍了各方向的代表项目。人工智能和区块链在核心特质上有差异，因此在结合时需要权衡数据所有权、透明度、货币化能力和耗能成本等方面。目前的AI应用多属于游戏，通过与AI交互并训练角色，使其更符合个人需求。同时，也有项目探索利用区块链特性创造更好的人工智能。去中心化算力也是热门方向，但仍面临挑战。总的来说，AI赛道需要找到有竞争力和中长期价值的项目。

2022年11月ChatGPT的推出，让各行业人士对AI大语言模型大开眼界。这种疯狂的动态渗透到了加密领域，本文旨在介绍人工智能的发展、现状以及人工智能+加密结合所催生的行业。

近两年 ZK 的发展速度远超预期，ZK Rollup 双雄 ZkSync 和 Starknet 在性能和费用上都实现了巨大的进步。本文深入浅出地探讨 Starknet 的技术优势，并简化解释 ZK 的证明过程。

本文对 67 个加密+人工智能项目进行了深入分析，从生成人工智能（GenAI）的角度对其进行了分类，并探讨了加密货币如何支持人工智能及其相关优势。