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]

来源

  1. Jolt Atlas: Verifiable Inference via Lookup Arguments in Zero KnowledgearXiv (Wyatt Benno, Alberto Centelles, Antoine Douchet and Khalil Gibran) · 2026年2月19日
  2. JOLT Atlas (ICME-Lab/jolt-atlas README)GitHub · 2026年5月6日

核查或更正本页

更正
提交更正请求 · 在 GitHub 编辑源文件 · 更正政策
验证记录

下方摘要可以说明你读到的文字是否与公开的源文件一致，但不能说明报道内容本身正确。这一摘要在构建时根据本页的 Markdown 源文件计算，并列入站点清单。

f410aa832b3e3e46413fd1bf24183660695ee98fb55c37b7e7434fdfe3531ae7

查看源文件 · 清单