Das @near_ai-Team führte bedeutende Open-Weight-AI-Modelle aus, indem es TEE auf H100s aktivierte, um den Durchsatz für dezentrales, vertrauliches maschinelles Lernen zu testen. Die Overhead-Kosten lagen bei einigen Modellen bei nur 1,5 % im Vergleich zur Nichtnutzung von TEE. Dies ist definitiv der praktischste Ansatz für dezentrales und vertrauliches ML im Moment.
NEAR Protocol
NEAR Protocol24. Juni 2025
Das Rennen um den Besitz von KI ist eröffnet und Big Tech gewinnt. Sie wollen Ihre Daten. Ihr Wert. Ihre Kontrolle. FORK DAS. NEAR wurde erstellt, um das Skript umzudrehen: 🔓 Open-Source-Agenten 🤖 KI, die Sie steuern ⚡️ Infra, die einfach funktioniert Keine Zwischenhändler. Keine Reibung. Nur KI für alle. Halten Sie es in der Nähe. Das bedeutet es, die Zukunft im Nutzerbesitz zu gestalten:
Das vollständige DCML-Paper finden Sie hier, voll mit weiteren wichtigen Forschungsergebnissen für die Zukunft der nutzereigenen KI:
20,38K