---
title: Jolt Atlas 预印本将基于查找论证的零知识证明用于模型推理
dek: ICME Labs 的研究人员于 2026 年 2 月 19 日发布预印本，介绍零知识证明器 Jolt Atlas，它直接在神经网络计算图上工作。预印本报告，在笔记本电脑上为小型语言模型生成证明不到一分钟；如果推理证明要在普通设备上生成，这一量级的成本就很关键。
---
2026 年 2 月 19 日，ICME Labs 的四名研究人员在 arXiv 上发布预印本，介绍 Jolt Atlas。这是一个零知识机器学习（zkML）框架，用于证明模型推理确实是按声明的方式计算的。[^1]零知识证明能够表明某个命题为真，同时不泄露任何其他信息。Jolt 是面向 RISC-V 程序的零知识虚拟机（zkVM），Jolt Atlas 把它扩展到了神经网络。[^1]

zkVM 通过模拟程序所运行的 CPU 指令来证明程序的执行。Jolt Atlas 则把 Jolt 基于查找论证的方法直接用于模型的张量运算，这些模型采用开放神经网络交换（ONNX）格式。查找论证证明的是函数的输入和输出出现在一张预先计算好的表中。这种方式适合处理用算术约束表达代价很高的非线性函数，例如激活函数。作者称，直接在张量运算上工作，就从计算模型中去掉了 CPU 寄存器，也简化了对内存读写一致性的检查。[^1]

作者还报告，Jolt Atlas 能在内存受限的环境中证明推理。此外，他们把 Jolt 的多项式承诺方案换成了 HyperKZG。据作者介绍，这一替换放弃了透明设置（即不依赖任何秘密参数的设置），换来基于配对的紧凑证明，适合在区块链上验证。[^1]

预印本报告，在配备 Apple M3 芯片和 16 GB 内存的 MacBook Pro 上，nanoGPT（约 25 万个参数）的证明时间约为 14 秒。在同一台机器上，预印本报告 1.25 亿参数的 GPT-2 端到端耗时约 38 秒。[^1]预印本把 nanoGPT 的结果与同一模型 237 秒的证明时间作比较。后一数字由作者取自另一个 zkML 框架 ezkl 公布的基准测试结果。[^1]该项目的代码已在 GitHub 上公开。项目 README 最近一次修订是在 2026 年 5 月，其中列出了同一笔记本配置下更短的耗时，包括 GPT-2 端到端约 17 秒。[^2]

:::analysis
如果报告的耗时属实，笔记本电脑就能在一分钟内为这种规模的模型证明推理。对小模型来说，在用户自己的设备上生成证明因此有望成为现实。不过，基准测试止于 GPT-2 的 1.25 亿参数，因此预印本没有说明模型更大时证明成本如何增长。它与 ezkl 的比较也依赖另一个团队测得的数据。证明还只覆盖已承诺模型的计算，即事先用一个密码学值固定下来的模型。因此，验证方仍需另外的证据，才能确认这一承诺指向哪个模型。
:::

:::checked
2026 年 10 月 20 日，我们阅读了该预印本的 arXiv 记录页和全文，以及 GitHub 上 ICME-Lab/jolt-atlas 仓库的 README 和提交历史。我们没有运行证明器，也没有复现任何基准测试，因此 Jolt Atlas 的耗时数据均为作者自己的测量结果。预印本没有说明其引用的 ezkl 数据是在什么硬件上测得的。
:::