LAGRANGE

LAGRANGE

52,483个推特粉丝

关注

Hyper-parallel ZK coprocessing. Verifiably compute over blockchain data at a big data scale and unlock new data-intensive and interoperable applications.

动态

分布式自治系统引入了新的故障模式。单个受损节点即可影响集群行为。当系统协同运作时，协调的完整性至关重要。

现身旧金山 @OneRSAC。很高兴能与来自 @awscloud、@IBM 和 @databricks 等各家合作伙伴交流。目前来看，人工智能的应用已渗透到各个领域，以下几个方面值得关注： • 越来越多的攻击依赖于欺骗手段（深度伪造、身份欺骗），而非直接破坏系统。 • 许多团队的策略正在从试图阻止每一次安全漏洞，转变为假设系统已被入侵并迅速控制损失。此外，现在甚至有机器人提供安全建议，安全标准也在不断提高。

重大技术里程碑。我们的 zkML 证明流程性能提升了 60%。准确率现已与 PyTorch 浮点数推理相当。 Gemma3 和 GPT2 等模型现在证明速度更快，同时保持了浮点数级别的精度。通过合并量化和查找操作并重构非线性层，我们在不牺牲正确性的前提下加速了证明过程。如果准确率下降，性能提升就毫无意义。现在，情况并非如此。

在任务关键型系统中，不确定性就是风险。如果自主代理无法共享一致的任务状态，协调就会失效。而在分布式系统中，微小的不一致也会迅速蔓延。

正在圣何塞参加英伟达全球技术大会 (GTC)。一些主题贯穿始终： • 人工智能的关注点正从模型训练转向实际部署 • 智能体系统正从回答问题转向采取行动 • 英伟达正从芯片领域拓展到全栈解决方案——硬件、软件和基础设施看到像@QuantinuumQC、@EvidenceOpen 和 @Infleqtion 这样的公司不断突破计算的界限，有一点显而易见：随着人工智能应用于实际产品，讨论的焦点正从性能转向可靠性、控制和验证。

密码学将“相信我”变成了“证明给我看”。这是防御人工智能不可或缺的升级。

@Consensus_HK 香港大会上周圆满落幕。在为期五天的专题讨论、边会和机构交流中，一个主题贯穿始终：人工智能正在从演示走向部署，而部署需要可验证性。

身在利雅得世界防务展现场报道本周的讨论继续围绕如何在实际国防环境中部署人工智能，以及如何确保这些系统的可验证性和可问责性展开。让我们共同探讨并构建： • 可验证的推理 • 自主决策日志的完整性 • 已部署人工智能的加密保障 • 关键任务系统的问责制

感谢你们今天的邀请。我们完全同意。我们正在构建一个在人工智能时代可验证、可信赖的未来。 twitter.com/lagrangedev/status...

拉格朗日团队即将前往香港参加共识大会。我们的业务拓展主管布莱恩·诺维尔 (Brian Novell) 将在大会上就可验证人工智能、智能体系统、基础设施和实际部署等主题发表演讲。以下是我们的参会地点和注册链接👇

Loading..