A energia das segundas-feiras sente-se diferente quando estás a fazer debug de ML distribuído. Então é assim—será que os modelos de machine learning estão mesmo a esgotar a capacidade da rede da Bittensor?

Parece que algumas equipas não estão à espera para ver. A malta da inference_labs lançou um fluxo de trabalho interessante: pegas no teu ficheiro de modelo ONNX, fazes quantização para aumentar a velocidade de inferência e depois divides em partes usando o dsperse para processamento distribuído. O extra? Estão a sobrepor zk-snarks por cima para computação verificável.

Bastante engenhoso se pensares bem—resolvendo os estrangulamentos de largura de banda enquanto mantêm as provas leves. Mais alguém a experimentar sharding de modelos em redes descentralizadas?