استبدال النماذج في واجهات برمجة تطبيقات LLM هو مشكلة موثقة. البحث: "هل تحصل على ما تدفع مقابله؟ تدقيق استبدال النماذج في واجهات برمجة تطبيقات نماذج اللغة الكبيرة (LLM) الاكتشاف: لدى المزودين حوافز مالية لاستبدال الطرازات المكلفة بنماذج أرخص بشكل صامت. لا يملك المستخدمون أي وسيلة للتحقق مما يعمل فعليا. Brave حلت هذه المشكلة للتو باستخدام الذكاء الاصطناعي قابلة للتحقق تشفيريا. التنفيذ: @brave يستخدم الآن @near_ai @nvidia بيئات التنفيذ الموثوقة لتوفير الخصوصية القابلة للإثبات وشفافية النماذج. هذه ضمانات تشفير تفرضها الأجهزة. الهيكلية: تخلق وحدات معالجة الرسوميات Nvidia المدعومة بتقنية TEE جيوب آمنة معزولة بالأجهزة مع تشفير كامل للبيانات والشيفرة أثناء الاستنتاج. تحتوي تقارير التصديق التشفيرية على تجزئات النماذج وتجزئات كود التنفيذ. التصديق عن بعد يتحقق من وجود نسخة Nvidia TEE أصلية تعمل بكود مفتوح المصدر غير معدل. الضمانات: - السرية: حتى نظام التشغيل المخترق بالكامل لا يمكنه الوصول إلى ذاكرة TEE (عزل العتاد) - النزاهة: إثبات تشفير لتنفيذ النموذج والشيفرة بدقة - التحقق: سلسلة مفتوحة المصدر من الكود إلى شهادة الأجهزة سلسلة التحقق: يختار المستخدم النموذج → @brave يتحقق @near_ai التصديق → يؤكد @nvidia أجهزة TEE → يثبت تشغيل DeepSeek V3.1 بدون تعديل → عرض شارة خضراء ✅ وهذا يقضي على ثلاث مشاكل حاسمة: (1) غسل الخصوصية: الرياضيات على حساب التسويق. تحل البراهين التشفيرية محل سياسات الخصوصية. (2) استبدال النموذج: دليل مفرض من الأجهزة على أنك تحصل على النموذج الذي اخترته/دفعت مقابله. (3) متطلبات الثقة: تحل ضمانات الأجهزة محل الاتفاقيات القانونية. مقارنة مع حوسبة آبل السحابية الخاصة: نهج TEE مشابه، فلسفة مختلفة:...