proof of work
PulseAugur coverage of proof of work — every cluster mentioning proof of work across labs, papers, and developer communities, ranked by signal.
4 天有情绪数据
-
新方法CARE-DPP利用DPP采样增强生物声学主动学习
研究人员开发了CARE-DPP，这是一种新颖的批次主动学习获取方法，旨在提高在海量生态声学数据集上训练的生物多样性分类器的效率。该方法结合了类别平衡的预测不确定性和嵌入空间新颖性，利用行列式点过程（DPP）来选择高质量、非冗余的数据批次。该方法会随着时间的推移动态调整其关注点，从几何覆盖到分类器不确定性，并纳入混合候选池以减轻早期评分的不可靠性。在多个数据集上进行评估，CARE-DPP的平均开发AULC为0.50，优于CoreSet基…
-
Replit 推出社区资料页，为编码员提供“工作证明”
Replit 将推出一项名为社区资料页的新功能，该功能将为编码员引入“工作证明”的概念。这项新功能旨在提升 Replit 社区内开发者的专业形象。
-
NEUROVATIC 推出神经智能证明共识协议
NEUROVATIC 推出了名为神经智能证明 (NPoI) 的新共识机制。该方法侧重于人工智能推理的质量、加密问责制和确定性可审计性，为工作量证明等现有方法提供了独特的替代方案。该系统旨在特别适用于受监管的行业。
-
AI工具IsabeLLM已增强，可用于共识协议的正式验证
研究人员通过集成检索增强生成框架，增强了IsabeLLM（一种用于自动定理证明的AI工具）。此次升级包括错误跟踪和反例生成，为大型语言模型提供更好的上下文。更新后的IsabeLLM现已兼容最新版本的Isabelle和Sledgehammer，旨在提高效率。该论文比较了原始和增强版IsabeLLM在验证比特币工作量证明共识协议方面的性能。
-
训练证明协议旨在提高区块链的能源效率
研究人员提出了一个名为训练证明（Proof of Training, PoT）的新协议，以使区块链能够可靠地训练机器学习模型。该方法旨在将目前用于工作量证明网络中能源密集型哈希难题的大量计算能力重新用于有价值的机器学习任务。PoT协议旨在保持区块链的激励结构，同时确保训练过程的可靠性、安全性和可扩展性。