研究者提出前沿AI训练零知识验证方案

Pierre Peigné、Ky Nguyen 和 Paul Wang 在 arXiv 发布论文《Proposals and challenges for zero-knowledge verification of frontier AI training》（v3），提出用零知识证明验证前沿 AI 训练的方案，并称前沿规模上的不可行只是当前范式的限制，而非根本极限。 该方案针对稠密预训练，结合预承诺的训练规范（以保护模型架构机密）、节点间网络观测和中间计算的实时 Merkle 承诺，并参考 zkVM 提供支持原生 BF16/FP32 预编译的简洁证明层，附采样检测概率公式。论文同时指出“权重走私”风险，即可能复用或合并在别处训练的权重而不计入本次训练的工作量，并认为全局训练预算机制比单次 FLOP 上限更稳健。作者还列出了供外部贡献者继续研究的剩余工程问题。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。