Frontier AI působí děsivě jen proto, že většina věcí stále funguje jako černá skříňka s pěkným logem nahoře. To, co @inference_labs dělá s DSperse + JSTprove, je v podstatě říct: "dobře, dokaž to." Vrátil jsem se k článku DSperse, kde to popisují jako strategické kryptografické ověření vysoce hodnotných podvýpočtů místo celoplošného SNARK cosplaye. Části modelu se stanou nezávisle prokazatelnými jednotkami, takže můžete uzamknout bezpečnostní brány, detektory anomálií nebo soukromé hlavy, aniž byste celou síť zatáhli do pekla ZK. Na druhé straně JSTprove plus open-source repozitář v jejich GitHub organizaci vám poskytuje end-to-end pipeline na Expander backendu Polyhedry: zadáte ONNX model, CLI vygeneruje důkazy a auditovatelné artefakty, není potřeba žádné hluboké kryptografické pozadí. ❯ DSperse rozhoduje, co stojí za to dokázat ❯ JSTprove řeší, jak je to dokázáno a odhaleno Většina "frontier AI" stacků stále vyžaduje, abyste důvěřovali benchmarkům, ne chování. Tato kombinace to obrací: vyberete si režimy selhání, na které odmítnete vsadit, a přesně tam to potvrzujete. Pokud stavíte vážné systémy v robotice, financích nebo agentském sektoru, dalším upřímným krokem je jednoduché: zmapujte svůj model hrozeb a pak se zeptejte, které části byste skutečně routovali přes DSperse + JSTprove. Pokud je odpověď "žádná", důvěru ještě opravdu nehledáte #zkML