학술 연구 지원
전술한 PoQ 메커니즘의 설계 로직, 기술적 타당성 및 성능 우위는 전문 학술 연구를 통해 검증되었습니다. 자세한 내용은 다음 논문을 참고하세요:
- Design and Evaluation of Cost-Aware PoQ for Decentralized LLM Inference: 효율성 지표를 인센티브 메커니즘에 통합하는 비용 인지형 PoQ 프레임워크를 제안합니다. 통합 평가 파이프라인을 통해 품질과 비용 간의 동적 균형을 달성하며, 다차원 평가 시스템의 실용성과 경제적 지속 가능성을 검증합니다.
- Optimistic TEE-Rollups: A Hybrid Architecture for Scalable and Verifiable Generative AI Inference on Blockchain: 체인 상 검증 가능한 증명에 대한 기본 아키텍처를 제공하는 하이브리드 검증 프로토콜을 제시합니다. 신뢰할 수 있는 실행 환경(TEE)과 영지식 스팟 체크를 결합하여 탈중앙화 추론의 검증 가능성 트릴레마를 해결하고 PoQ 증명의 보안성과 효율성을 더욱 강화합니다.
- Adaptive and Robust Cost-Aware Proof of Quality for Decentralized LLM Inference Networks: 탈중앙화 대형 언어 모델 추론 네트워크를 위한 적응형 및 강건한 비용 인식 품질 증명 기법：본 연구는 비용 인식 품질 증명(PoQ) 메커니즘에 적대자 내성 합의 형성 기능을 확장하고, 중앙값·절단 평균 등 강건한 집계 규칙과 편차 신호를 기반으로 평가 노드 가중치를 갱신하는 적응형 신뢰 가중 합의 전략을 통합한다. 4가지 적대적 공격 전략을 적용한 질의응답 및 요약 작업 실험을 통해 검증한 결과, 강건한 집계는 합의 점수와 그라운드 트루스 프록시의 정합성을 향상시키고 노이즈 및 전략적 공격에 대한 민감도를 낮추며, 동시에 평가 노드 샘플링 크기·강건성·보상 분산 및 평가 오버헤드 간의 운영적 트레이드오프를 명확히 규명함으로써, 적대적 위험과 자원 제약 하에서의 PoQ 메커니즘 배포에 실용적인 가이드를 제공한다.