New Anthropic research: progress on provable inference for large language models. Here, we introduc...
Anthropic推出FlashProve,通过密码学技术验证AI响应来源,提升模型可信度。
入选理由:FlashProve基于密码学技术,验证效率比现有方法提升30%以上
概念
别名:ZKP
密码学技术,允许在不泄露信息前提下验证陈述真实性
已跟踪 3 条高相关材料
最近变化
2026-11-03 · FlashProve基于密码学技术,验证效率比现有方法提升30%以上
为什么值得关注
零知识证明 被反复提及时,通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。
New Anthropic research: progress on provable inference for large language models. Here, we introduc...
Anthropic(@AnthropicAI) · 8.5 分
Anthropic推出FlashProve,通过密码学技术验证AI响应来源,提升模型可信度。
Proof-based general-purpose computing with Magnetar
Microsoft Research Blog · 8.5 分
Magnetar系统通过零知识证明实现通用计算,解决效率、可用性和长期安全三大挑战,运行速度比现有系统快10-39倍且仅依赖标准哈希函数。
Language-Agnostic Detection of Bugs in Zero-Knowledge Proof Programs
Microsoft Research · 7.5 分
微软研究团队提出了一种语言无关的方法来检测零知识证明程序中的错误,该方法提高了检测效率和准确性。
已收录 3 条与 零知识证明 相关的内容,按评分排序。
Anthropic推出FlashProve,通过密码学技术验证AI响应来源,提升模型可信度。
入选理由:FlashProve基于密码学技术,验证效率比现有方法提升30%以上
Magnetar系统通过零知识证明实现通用计算,解决效率、可用性和长期安全三大挑战,运行速度比现有系统快10-39倍且仅依赖标准哈希函数。
入选理由:Magnetar支持Rust/Go/C语言,证明生成速度比现有系统快10-39倍
微软研究团队提出了一种语言无关的方法来检测零知识证明程序中的错误,该方法提高了检测效率和准确性。
入选理由:微软提出语言无关的零知识证明程序错误检测方法。