PulseAugur
中
实时 11:00:04
English(EN) \texttt{Range-Arithmetic}: Verifiable Deep Learning Inference on an Untrusted Party

Range-Arithmetic 实现可验证的深度学习推理

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一个名为 Range-Arithmetic 的新框架，用于可验证的深度学习推理。该方法允许将计算卸载到不可信方，同时确保其正确性而无需重新执行。Range-Arithmetic 通过将非算术运算转换为可验证的算术步骤来实现这一点，与现有方法相比，降低了计算和通信开销。 AI

影响 通过实现可验证的外包计算，增强了去中心化人工智能系统的安全性和信任度。

排序理由 该集群包含一篇详细介绍新技术方法的学术论文。[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 →

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Ali Rahimi, Babak H. Khalaj, Mohammad Ali Maddah-Ali ·

    \texttt{Range-Arithmetic}: Verifiable Deep Learning Inference on an Untrusted Party

    arXiv:2505.17623v2 Announce Type: replace-cross Abstract: Verifiable computing (VC) has gained prominence in decentralized machine learning systems, where resource-intensive tasks like deep neural network (DNN) inference are offloaded to external participants due to blockchain li…

相关话题