메인 콘텐츠로 건너뛰기
앞서 설명한 PoQ 메커니즘의 설계 논리, 기술적 타당성 및 성능상의 장점은 전문 학술 연구를 통해 검증되었습니다. 자세한 내용은 다음 논문을 참고하시기 바랍니다.
  1. Design and Evaluation of Cost-Aware PoQ for Decentralized LLM Inference: 효율성 지표를 인센티브 메커니즘에 통합한 비용 인식(cost-aware) PoQ 프레임워크를 제안합니다. 통합 평가 파이프라인을 통해 품질과 비용 간의 동적 균형을 달성하며, 다차원 평가 시스템의 실용성과 경제적 지속 가능성을 검증합니다.
  2. Optimistic TEE-Rollups: A Hybrid Architecture for Scalable and Verifiable Generative AI Inference on Blockchain: 온체인 검증 가능 증명을 위한 기반 아키텍처를 제공하는 하이브리드 검증 프로토콜을 제시합니다. 신뢰 실행 환경(TEE)과 제로 지식 샘플 검사를 결합하여 탈중앙화 추론의 검증 가능성 트릴레마를 해결하고, PoQ 증명의 보안성과 효율성을 한층 향상시킵니다.
  3. Adaptive and Robust Cost-Aware Proof of Quality for Decentralized LLM Inference Networks: 비용 인식 PoQ 메커니즘을 적대적 환경에 강건한 합의 형성 방식으로 확장합니다. 강건한 집계 규칙(중앙값, 절사 평균)과 편차 신호를 기반으로 평가자 가중치를 업데이트하는 적응형 신뢰 가중 합의 전략을 통합합니다. 질의응답 및 요약 작업에 대해 4가지 적대적 공격 전략으로 실험을 수행하여, 강건한 집계가 합의 점수와 실제 정답 간의 일치도를 향상시키고 노이즈 및 전략적 공격에 대한 민감도를 줄이는 것을 검증합니다. 또한 평가자 샘플링 규모, 강건성, 보상 분산, 평가 오버헤드 간의 운영상 트레이드오프를 명확히 하여, 적대적 위험과 자원 제약 환경에서의 PoQ 배포에 대한 실질적인 가이드를 제공합니다.