质量证明：区块链上无信任生成式AI模型推理的无成本范式

生成式AI模型（如GPT-4和Stable Diffusion）在自然语言和图像任务中展现出强大且颠覆性的能力。然而，在去中心化环境中部署这些模型仍具有挑战性。不同于传统的中心化部署，系统性地保证在完全去中心化环境（特别是信任区块链）中AI模型服务的完整性既至关重要又难以实现。本文提出一种新型推理范式，称为质量证明（Proof of Quality, PoQ），以在区块链架构上部署任意大小的生成式模型。不同于基于验证推理程序（如ZKML或OPML）的传统方法，PoQ范式关注模型推理结果的质量。我们采用轻量级BERT基准的交叉编码器作为质量评估模型的底层机制，设计并实现了第一个面向实际NLP生成式模型推理的协议——PQML，针对流行开源模型（如Llama 3和Mixtral）进行优化。我们的分析表明，该协议对来自生态系统中具有挑战但理性参与者具有鲁棒性，其中懒惰或不诚实的行为会导致获得的收益少于良好行为的参与者。质量评估的计算开销最小，即使仅使用CPU也能在一秒内完成质量检查。初步模拟结果显示，PoQ共识在毫秒级生成，速度是任何现有方案的1000倍。