1/ JSTprove V2 is hier. Dit is een grote upgrade van onze zkML-stack met snellere circuits, meer ondersteunde lagen, bredere modelcompatibiliteit en een veel betere ontwikkelaarservaring. Een grote stap richting praktische, verifieerbare ML.

2/ We hebben twee belangrijke circuitoptimalisaties verzonden. We hebben dure bereikcontroles vervangen door opzoektabellen en Freivalds' algoritme toegevoegd voor snelle probabilistische matrixverificatie. Beide verminderen aanzienlijk de beperkingen en de bewijslast.

3/ Waarom dit belangrijk is: Bereikcontroles komen overal voor in ML-circuits (ReLU, herschaling, max/min, enz.) en ze zijn erg duur. Het vervangen ervan door opzoektabellen bespaart beperkingen in bijna elk model en levert onmiddellijke prestatieverbeteringen op.

4/ Voor grote matrixbewerkingen gebruiken we nu het algoritme van Freivalds. In plaats van verificatie in kubieke tijd, passen we kwadratische probabilistische controles toe waar mogelijk, wat de kosten voor het verifiëren van grote GEMM's en vergelijkbare bewerkingen drastisch vermindert.

5/ We hebben ook de ondersteuning voor ONNX-lagen uitgebreid. JSTprove ondersteunt nu Add, Sub, Mul, Max, Min, Clip, 4D MaxPool (voor nu) en BatchNorm, waardoor een veel bredere klasse van echte modellen wordt ontgrendeld.

6/ JSTprove gaat niet langer uit van een enkele invoer en uitvoer. We ondersteunen nu multi-invoer en multi-uitvoer ONNX-grafieken. Dit vereiste diepgaande herstructureringen in de middle-end en Rust backend, maar vergroot de modelcompatibiliteit enorm.

7/ We hebben ook het testframework opnieuw opgebouwd. Je kunt nu individuele lagen testen, volledige pijplijntests uitvoeren (kwantisatie → circuit → getuige → bewijzen → verifiëren), vormen en parameters vervagen, en krijg juiste, nuttige fouten voor niet-ondersteunde modellen.

8/ Het toevoegen van lagen zoals BatchNorm dwong ons om grote delen van de backend op te schonen en te modulariseren. Dit maakt toekomstige toevoegingen van lagen en optimalisaties veel sneller, veiliger en gemakkelijker te begrijpen.

9/ Het resultaat: JSTprove V2 is sneller, goedkoper om te bewijzen, expressiever, robuuster en klaar voor veel complexere modellen uit de echte wereld. Dit is een grote stap in de richting van het praktisch maken van verifieerbare machine learning in productie.