pequin 的项目扩展与二次开发
项目的基础介绍
Pequin 是一个面向可验证计算的开源工具链,它支持使用 C 语言的一个较大子集来执行程序。Pequin 的目的是让一个证明者能够使验证者相信其按照程序执行了给定的计算,而无需验证者手动检查每一步的证明。这个工具链是 Pepper 项目的研究成果之一,由 NYU 和 UT Austin 的研究人员开发。
项目的核心功能
Pequin 的核心功能是将 C 语言程序转换成一组算术约束,如果这些约束是可满足的,那么输出的结果与原始程序产生的结果一致。证明者通过一个概率性证明协议(zk-SNARK,即零知识简洁非交互式证明)来说服验证者这些约束是可满足的。如果约束不可满足,验证者几乎不可能被欺骗。
项目使用了哪些框架或库?
Pequin 使用了 SCIPR Lab 的 libsnark 库,这是一个针对 zk-SNARK 的优化实现,基于 Pinocchio 项目,后者是对 GGPR 的改进和实现。此外,Pequin 还依赖于 Clang/LLVM 编译器基础设施,以及其他第三方库来实现其功能。
项目的代码目录及介绍
项目的代码目录包括以下几个主要部分:
compiler:包含编译器相关代码,包括 C 语言到 C 语言的编译器(Buffet)。docker:包含用于构建 Docker 镜像的脚本,以便在容器中运行 Pequin。pepper:包含 Pepper 项目的主要代码,Pequin 是基于此构建的。thirdparty:包含第三方依赖的代码。install_*脚本:提供在不同 Linux 发行版上安装依赖的脚本。
对项目进行扩展或者二次开发的方向
-
集成其他后端:Pequin 目前的后端是 zk-SNARK,但可以尝试集成其他类型的证明系统,如 STARKs 或其他非交互式证明系统,以提供更多的选择和灵活性。
-
改善文档和可用性:虽然 Pequin 项目的文档已经相当完善,但总有改进的空间。可以增加更多的用户指南、教程和最佳实践。
-
优化性能:对现有代码进行性能分析和优化,提高计算效率,降低资源消耗。
-
增加语言支持:除了 C 语言之外,可以考虑支持其他编程语言,使 Pequin 的应用范围更广。
-
开发交互界面:开发一个图形用户界面(GUI),使得非技术用户也能够使用 Pequin 进行可验证计算。
-
构建应用案例:开发一些具体的用例,如智能合约验证、云计算任务验证等,以展示 Pequin 的实际应用价值。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0117
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08