---
title: "Perseus 作者报告同态加密模型推理提速"
dek: "一篇 arXiv 预印本介绍了覆盖加密推理全流程的 Python 库，并声称提升了 Llama-3-8B 的解码速度。保存的摘要可用于报道这些主张，但不足以独立确认性能或部署安全性。"
---

Alessandro Zirilli 及其合著者于 2026 年 11 月 3 日向 arXiv 提交了 *Perseus: A Full-Stack System for Homomorphic Model Inference*。作者将 Perseus 描述为免费、开放的 Python 库，覆盖加密推理全流程，包括密码学后端、数据打包、加密非线性运算和端到端模型执行。[^1]

全同态加密（FHE）允许直接对加密数据进行计算。作者认为，计算成本和工具分散阻碍了这项技术在远程推理中的实际应用。其优化涉及三个层面：在内核中重新生成密钥切换密钥、采用 Cachemir 数据打包方法的复数变体，以及根据打包方式和数值量级安排自举操作。[^1]

摘要声称，Perseus 在多种模型和模态上的延迟达到当前最佳水平，准确率和困惑度与明文模型的差距在 3% 以内。作者还报告，Llama-3-8B 的单令牌解码速度是其他任何实现的 3.96 倍，并宣布发起加密 GPT-2 的公开竞速。这些都是作者报告的结果；保存的摘要没有提供独立评估这些主张所需的基准配置或比较细节。[^1]

:::analysis
这些主张位于 T3（models，模型层）和 T2（runtime，运行时层），涉及模型执行及承担加密计算的软件机制。阅读来源可以确认作者提出了哪些主张，但实现和测量结果仍需信任作者；它也不能确认某项服务实际使用了该实现。用户和运营方在将这些性能主张用于自身服务前，应核对确切的库版本、模型、打包方式和执行配置；保存的来源没有推荐任何修复版本。这里涉及的可核验属性是可识别性：如果为用户提供服务的确切版本和配置有记录且可核查，用户就能判断自己是否曾接触所考察的部署，但这类记录本身不能确立安全性或推理正确性。[^1]
:::

:::checked
我们于 2026 年 11 月 4 日阅读了保存的 arXiv:2611.04488 摘要页面，其中包括将 v1 标记为 11 月 3 日提交的历史记录。我们没有阅读论文全文、检查代码或测试系统。本预览核实了该保存页面中的提交信息和作者主张，没有独立确认速度、准确性、开放性或安全性。[^1]
:::

[^1]: [Perseus: A Full-Stack System for Homomorphic Model Inference](https://arxiv.org/abs/2611.04488)，arXiv，2026 年 11 月 3 日。
