OPML: 基于乐观主义方法的机器学习系统

本文介绍了一种名为OPML(乐观机器学习)的新型区块链系统，它利用乐观主义方法进行AI模型推理和训练/微调。与ZKML相比，OPML能够提供更加经济高效的ML服务。

OPML的一大优势在于其低门槛的参与要求。目前,普通PC无需配备GPU即可运行包含大型语言模型(如26GB的7B-LLaMA)的OPML系统。该系统采用验证游戏机制来确保ML服务的去中心化和可验证共识。

验证游戏的流程如下:

1. 请求者发起ML服务任务
2. 服务器完成任务并将结果提交到链上
3. 验证者对结果进行验证,如有异议则启动验证游戏
4. 最后在智能合约上进行单步仲裁

OPML采用单阶段和多阶段两种验证游戏模式。单阶段模式类似于计算委托(RDoC),通过精确定位争议步骤并交由链上合约仲裁。为提高效率,OPML还开发了专门的轻量级DNN库和虚拟机系统。

多阶段验证游戏则克服了单阶段模式的局限性,充分利用了GPU/TPU加速和并行处理能力。它通过多个阶段逐步缩小争议范围,最终定位到具体的VM指令。这种方法显著提高了OPML的执行效率,使其性能接近本地环境。

为确保跨平台的一致性,OPML采用了定点算法和软件浮点库。与ZKML相比,OPML在计算效率、灵活性和通用性等方面都具有明显优势,为去中心化AI应用提供了新的可能性。

OPML项目目前仍在积极开发中,欢迎感兴趣的开发者参与贡献。