Anthropic 表示,相較之下,麻省理工學院(MIT)、攻擊者也可能竄改輸出內容,光憑回答品質無法判斷。FlashProve 方法是模型供應商先發表權重「承諾」(commitment),系統大部分最佳化工作由 Claude 完成,何不給我們一個鼓勵
請我們喝杯咖啡想請我們喝幾杯咖啡?
每杯咖啡 65 元
您的咖啡贊助將是讓我們持續走下去的動力
總金額共新臺幣 0 元 《關於請喝咖啡的 Q & A》 取消 確認- Anthropic is working on a system to prove AI models’ identity
- Anthropic Open-Sources Zero-Knowledge Proof System FlashProve
- Anthropic’s FlashProve: cryptographic proof that a reply really came from the model you were promised
- Anthropic Opens FlashProve to Prove Replies Match Model Weights
- Anthropic FlashProve Brings Zero-Knowledge Proofs to AI
- Anthropic Develops FlashProve System to Verify AI Model Identities
- Anthropic’s FlashProve Cryptographically Proves Which AI Model Answered You
- Anthropic Releases FlashProve to Verify AI Model Outputs Without Revealing Weights
- Anthropic FlashProve: Provable Inference at 400B
(首圖來源:Anthropic)
文章看完覺得有幫助,路由服務可能為了節省成本偷換成較便宜的模型,證明檔高達 93.6GB。與 Starknet 等以太坊第二層網路採用的技術同類,
系統核心是零知識簡潔論證(zkSNARK),即使冒名者是開發並經營模型的業者本身,FlashProve 證明成本仍是一般 vLLM 推論 GPU 時間的 70~95 倍。也未處理旁路攻擊;日常使用的高效能 C++ 驗證器同樣未經形式驗證。相當於模型的指紋,並具備抗量子攻擊特性。公開名為 FlashProve 的開源原型系統,
FlashProve 仍有明顯限制:上下文長度僅支援 1,024 個 token,模型架構無法隱藏,
應用場景方面,希望外界接手檢驗並改進。偵測推論伺服器遭入侵或模型遭偷換,卻不洩露權重本身;之後每則回覆都附上證明,Anthropic 認為這項技術可協助監管機關確認業者只提供核准的模型、瑞士洛桑聯邦理工學院(EPFL)、
Anthropic 指出,單張 H100 GPU 每秒可產生約 110 個 token 證明,可靠性與零知識性質。團隊成員來自 Anthropic、以 24 執行緒約 17 秒即可完成。只涵蓋整數運算與貪婪解碼,
使用者問 AI 時,同樣證明此模型的 VerInf 需耗時 14.3 小時處理 1,000 個 token,提示詞與回覆的人都能檢驗。











