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。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00