PulseAugur
中
实时 22:09:59
English(EN) NanoZK: Privacy-Preserving Verifiable Inference for Large Language Models via Layerwise Zero-Knowledge Proofs

NanoZK 系统实现隐私保护的可验证 LLM 推理

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了 NanoZK，这是一个新颖的零知识证明系统，旨在增强大型语言模型 (LLM) 推理中的隐私和可验证性。该系统将 LLM 推理分解为可独立证明的层，与以前的整体方法相比，显著减小了证明大小并提高了并行性。NanoZK 旨在允许客户端和审计员在不泄露敏感模型权重或中间激活的情况下验证 LLM 执行，同时还引入了一个用于提高效率的审计预算分类工具。 AI

影响 引入了一种可验证 LLM 推理的新颖方法，有可能提高 AI 部署中的信任和隐私。

排序理由 学术论文，详细介绍了 LLM 隐私和验证的新技术方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

NanoZK 系统实现隐私保护的可验证 LLM 推理

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Zhaohui Wang ·

    NanoZK：通过分层零知识证明实现大型语言模型的隐私保护可验证推理

    arXiv:2603.18046v2 Announce Type: replace-cross Abstract: We present NanoZK, a zero-knowledge proof system for verifiable LLM inference: clients and third-party auditors check that a provider executed the advertised model on a committed input without learning weights or activatio…

相关实体

相关话题