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
The race to own AI is on and Big Tech is winning. They want your data. Your value. Your control. FORK THAT. NEAR was built to flip the script: 🔓 Open-source agents 🤖 AI you control ⚡️ Infra that just works No middlemen. No friction. Just AI for everyone. Hold it NEAR. This is what it means to build the User-Owned Future:
Das vollständige DCML-Paper finden Sie hier, voll mit weiteren wichtigen Forschungsergebnissen für die Zukunft der nutzereigenen KI:
20,05K