Saltar al contenido principal
La lógica de diseño, la viabilidad técnica y las ventajas de rendimiento del mecanismo PoQ mencionado han sido validadas mediante investigación académica especializada. Para obtener información detallada, consulte los siguientes artículos:
  1. Design and Evaluation of Cost-Aware PoQ for Decentralized LLM Inference: propone un marco de PoQ sensible al costo que integra métricas de eficiencia en los mecanismos de incentivos. Logra un equilibrio dinámico entre calidad y costo mediante un pipeline de evaluación unificado, verificando la practicidad y la sostenibilidad económica del sistema de evaluación multidimensional.
  2. Optimistic TEE-Rollups: A Hybrid Architecture for Scalable and Verifiable Generative AI Inference on Blockchain: presenta un protocolo de verificación híbrido que constituye la arquitectura subyacente para las pruebas verificables en cadena. Al combinar entornos de ejecución de confianza (TEE) con comprobaciones puntuales de conocimiento cero, resuelve el trilema de la verificabilidad en la inferencia descentralizada y mejora aún más la seguridad y la eficiencia de las pruebas PoQ.
  3. Adaptive and Robust Cost-Aware Proof of Quality for Decentralized LLM Inference Networks: amplía el mecanismo de PoQ sensible al costo con la formación de consenso resiliente frente a adversarios, integrando reglas de agregación robustas (mediana, media recortada) y una estrategia de consenso adaptativa ponderada por confianza que actualiza los pesos de los evaluadores en función de señales de desviación. A través de experimentos en tareas de preguntas y respuestas y de resumen con cuatro estrategias de ataque adversarial, verifica que la agregación robusta mejora la alineación de las puntuaciones de consenso con los indicadores de referencia y reduce la sensibilidad al ruido y a los ataques estratégicos, al tiempo que clarifica las concesiones operativas entre el tamaño de la muestra de evaluadores, la robustez, la varianza de las recompensas y la sobrecarga de evaluación, ofreciendo orientación práctica para la implementación de PoQ en escenarios de riesgo adversarial y restricciones de recursos.