gonka-ai/gonka

解决的问题

它通过提供去中心化的 AI 模型训练与推理基础设施，解决了中心化云端供应商成本高昂且垄断的问题。其目标是优化计算能力，确保资源用于实际的 AI 工作负载，而非浪费在区块链安全性上。

运作方式

该系统使用一种称为 Proof of Work 2.0 的创新共识机制，节点通过基于 transformer 的模型在“Sprints”中竞争以解决 AI 任务。节点在这些竞赛中的成功率决定了其投票权重，进而控制其被分配到的 AI 推理与训练工作负载数量。

为了在不产生过多开销的情况下确保诚实性，该平台采用随机任务验证（仅检查 1-10% 的任务）以及一个声誉系统，该系统会降低持续诚实节点的验证频率。对于分布式训练，它利用 DiLoCo 的周期性同步来最小化跨地理分布硬件供应商的通讯开销。

目标用户

• 开发者：希望在去中心化网络上执行 LLM 训练与推理的开发者。
• 主机（硬件供应商）：希望贡献其计算资源以赚取奖励的供应商。

特色亮点

• Proof of Work 2.0：将区块链共识与实际的 AI 模型工作负载对齐。
• 随机验证：通过概率性验证任务子集来降低系统开销。
• 地理分布式训练：使用 DiLoCo 实现可扩展、去中心化的训练，并将通讯延迟降至最低。
• 基于声誉的信任：根据节点的诚实行为历史动态调整验证频率。