跳到正文
热点事件持续更新

arXiv论文提出基于zkVM的AI训练零知识验证方案

1 篇报道1 个报道来源16 小时前更新

先了解这件事

AI 综述

2026年10月22日，arXiv平台发布一篇cs.AI领域论文，正式提出针对前沿AI训练的零知识验证设计方案。论文核心主张认为，zkVM技术并非原理上不可行，当前的困难源于现有范式限制。为实现可审计的训练记录，论文提出通过“预承诺规格”与“Merkle承诺”机制，对训练的中间计算过程进行验证。 在技术实现路径上，该方案参考了具备原生BF16/FP32预编译层的zkVM架构。结合公共随机信标与事前证明技术，该设计旨在按位核对声明的语义，同时支持模型架构的保密性。这一机制为在保护敏感信息的前提下，量化采样训练过程的准确性提供了技术基础。 文章最后列举了外部贡献者仍需解决的剩余研究与工程问题。这些未决问题涵盖了如何进一步降低证明开销、优化验证效率等方面。尽管存在挑战，该论文为构建符合治理要求、具备高度可审计性的前沿AI训练记录体系，提供了重要的理论框架与量化保证方向。

AI 根据报道生成 · 13 小时前更新

最新进展10月22日 12:00
前沿 AI 训练的零知识验证提案与障碍：基于 zkVM 的可审计训练记录构建

报道时间线

沿着报道，了解事件的不同侧面。

10月22日
  1. arXiv · AI
    前沿 AI 训练的零知识验证提案与障碍：基于 zkVM 的可审计训练记录构建

    论文提出前沿 AI 训练的零知识验证设计方案，主张 zkVM 并非不可行而是当前范式限制，通过预承诺规格与 Merkle 承诺验证中间计算。 参考 zkVM 具备原生 BF16/FP32 预编译层，结合公共随机信标与事前证明，可按位核对声明语义并支持模型架构保密性。 文章列举了外部贡献者需解决的剩余研究与工程问题，为构建治理可审计的训练记录提供量化采样保证。

本事件热度走势

可比范围当前
7
可比范围峰值
910月22日 16:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。