攒成长值也能赢iPhone 16?动态第 1️⃣ 1️⃣ 期夏季成长值抽奖大狂欢火热开启!
总奖池超 $10,000+,iPhone 16 ProMax 512G、Gate限量周边、热门代币等你来抽!
立即抽奖 👉 https://www.gate.com/activities/pointprize?now_period=11
如何快速赚成长值?
1️⃣ 进入【动态】,点击头像旁标识进入【社区中心】
2️⃣ 完成发帖、评论、点赞、发言等日常任务,成长值拿不停
🎁 本期新增“碎片兑换”玩法,集齐碎片即可兑换限量Gate周边!
100%有奖,抽到赚到,大奖等你抱走,赶紧试试手气!
截止于 6月4日 24:00 (UTC+8)
详情: https://www.gate.com/announcements/article/45185
#社区成长值#
Messari 专文解析:Mira 协议如何透过去中心化共识机制,让 AI 更诚实?
在生成式 AI 蓬勃发展的今天,我们仍难以解决一个根本问题:AI 有时会一本正经地胡说八道。这种现象在业界被称为「幻觉」(hallucination)。而 Mira,一个专为 AI 输出验证而设计的去中心化协议,正试图透过多模型共识机制与加密审计,为 AI 增加「事实可信度」。以下,我们来看 Mira 是如何运作的、为什么它比传统做法更有效,以及它目前在真实应用中的成果。本报导内容根据 Messari 发布的研究报告整理撰写,完整原文可参见:Understanding AI Verification: A Use Case for Mira
去中心化的事实验证协议:Mira 的基本运作原理
Mira 并不是一个 AI 模型,而是一个嵌入式的验证层。当一个 AI 模型产出回应后(例如 chatbot 回答、摘要、自动化报告等),Mira 会将输出拆解成一连串独立的事实主张。这些主张会被送往其分散式验证网路,每个节点(即验证者)各自运行不同架构的 AI 模型,来评估这些主张是否为真。
每个节点都会针对主张给出「正确」、「错误」或「不确定」的判断,最后系统依据多数共识来做出总体决策。若大多数模型认可某个主张为真,该主张就会被核准;否则就会被标注、驳回,或提示警告。
这个过程完全透明、可审计。每一笔验证都会产生一个加密证书,标明验证过程中参与的模型、投票结果、时间戳记等,供第三方查验。
为什么 AI 需要像 Mira 这样的验证系统?
生成式 AI 模型(如 GPT、Claude)并不是决定论式的工具,它们是依照机率预测下一个字元,并不具备内建的「事实感知」。这样的设计让它们可以写诗、讲笑话,但也意味着:它们可能一本正经地制造虚假资讯。
Mira 提出的验证机制,正是要解决 AI 目前的四大核心问题:
幻觉泛滥:AI 编造政策、虚构历史事件、乱引文献的案例层出不穷。
黑箱运作:使用者不知道 AI 的答案从何而来,无法追溯。
非一致性输出:同样的问题,AI 可能给出不同答案。
中心化控制:目前大多数 AI 模型由少数几家公司垄断,用户无法查证其逻辑或争取第二意见。
传统验证方法的局限
目前的替代方案,例如人类审查(Human-in-the-loop)、规则式过滤器、模型自我校验等,都各有不足:
人工审查难以规模化,速度慢且成本高。
规则式过滤局限于预定场景,对创造性错误无能为力。
模型自审效果差,AI 经常对错误答案过度自信。
集中式 Ensemble 虽然能交叉检查,但缺乏模型多样性,容易形成「集体盲点」。
Mira 的创新机制:结合共识机制与 AI 分工
Mira 的关键创新是将区块链共识概念引入 AI 验证。每一笔 AI 输出,在经过 Mira 后,会变成多个独立的事实陈述,由各式 AI 模型进行「投票」。只有在超过一定比例模型达成一致时,该内容才会被视为可信。
Mira 核心设计优势包括:
模型多样性:来自不同架构与数据背景的模型,降低集体偏误。
错误容忍:即使部分节点出错,也不会影响整体结果。
全链透明:验证纪录上链,可供审计。
可扩展性强:每日可验证超过 30 亿 tokens(约等于数百万段文字)。
无需人为干预:自动化进行,不需人工验证。
去中心化基础建设:节点与计算资源由谁提供?
Mira 的验证节点由全球去中心化计算贡献者提供。这些贡献者被称为 Node Delegators (节点委任者),他们不直接操作节点,而是将 GPU 运算资源出租给经过认证的节点营运者。这种「计算即服务」模式大幅扩展了 Mira 的可处理规模。
主要合作节点供应商包括:
Io.Net:提供 DePIN 架构 GPU 计算网。
Aethir:专注于 AI 与游戏的分散式云端 GPU。
Hyperbolic、Exabits、Spheron:多家区块链计算平台,也为 Mira 节点提供基础设施。
节点参与者需通过一项 KYC 视讯验证程序,以确保网路唯一性与安全性。
Mira 验证让 AI 正确率提升至 96%
根据 Messari 报告中的 Mira 团队数据,透过其验证层过滤后,大型语言模型的事实正确率从 70% 提升至 96%。在教育、金融、客服等实际场景中,幻觉内容的出现频率下降了 90%。重要的是,这些改进完全不需重新训练 AI 模型,仅透过「过滤」就能达成。
目前 Mira 已整合至多个应用平台中,包括:
教育工具
金融分析产品
AI chatbot
第三方 Verified Generate API 服务
整个 Mira 生态系涵盖超过 450 万名用户,每日活跃使用者达 50 万人以上。虽多数人未直接接触 Mira,但他们的 AI 回应,早已悄悄经过其背后的验证机制。
Mira 打造 AI 的可信任基础层
在 AI 产业日益追求规模与效率的同时,Mira 提供了一个新方向:不靠单一 AI 决定答案,而是靠一群独立模型来「投票定真」。这样的架构不仅让输出结果更可信,也建立起一种「可验证的信任机制」,并且具备高度可扩展性。
随着用户规模扩大与第三方审核渐趋普及,Mira 有潜力成为 AI 生态中不可或缺的基础设施。对于任何希望其 AI 能在真实世界应用中站得住脚的开发者与企业,Mira 所代表的「分散式验证层」或许正是关键拼图之一。
这篇文章 Messari 专文解析:Mira 协议如何透过去中心化共识机制,让 AI 更诚实? 最早出现于 链新闻 ABMedia。