TrueOpen

原始论文与实验材料目录

TRUEOPEN / KNOWLEDGE

社区研究:推理审计、计算证明与服务效率

八篇外部论文的原始来源、书目信息及适用边界解读。

以下是外部研究者的成果,不是 TrueOpen 论文,也不代表作者背书。下方短评为独立编写的阅读提示,不是论文全文翻译。完整论证与许可条件请查原始链接。

书目核对:2026 年 11 月 5 日。下方日期对应链接版本;适用时另列首次提交日期。本站不再分发外部论文 PDF 或图片。

Are You Getting What You Pay For? Auditing Model Substitution in LLM APIs

Will Cai; Tianneng Shi; Xuandong Zhao; Dawn Song
arXiv:2504.04715v2 · 2025-09-29 (v1: 2025-04-07)

作者测试模型替换审计,指出推理波动会削弱纯软件检查。其 TEE 方案为评估 logprob 证据提供了不同的技术参照。

IMMACULATE: A Practical LLM Auditing Framework via Verifiable Computation

Yanpei Guo; Wenjie Qu; Linyu Wu; Shengfang Zhai; Lionel Z. Wang; Ming Xu; Yue Liu; Binhang Yuan; Dawn Song; Jiaheng Zhang
arXiv:2602.22700v1 · 2026-02-26

该框架通过选择性密码学审计检查模型替换、量化滥用和 token 计费问题。与重放验证比较成本前,应先对齐审计比例和威胁假设。

TOPLOC: A Locality Sensitive Hashing Scheme for Trustless Verifiable Inference

Jack Min Ong; Matthew Di Ferrante; Aaron Pazdera; Ryan Garner; Sami Jaghouar; Manveer Basra; Max Ryabinin; Johannes Hagemann
arXiv:2501.16007v2 · 2025-05-30 (v1: 2025-01-27)

TOPLOC 对中间激活生成紧凑哈希指纹,可用于比较激活证据与输出 logprob 的差别。论文的检测结果只代表其测试条件。

Gaussian Variant of Freivalds' Algorithm for Efficient and Reliable Matrix Product Verification

Michael V. Mascagni; Hao Ji; Yaohang Li
NIST publication record · 2017-05-30; revision number not supplied

高斯投影可在不重算完整矩阵乘法的情况下检查乘积。其数值误差分析是矩阵验证的背景材料,不是完整推理服务的安全证明。

Slalom: Fast, Verifiable and Private Execution of Neural Networks in Trusted Hardware

Florian Tramèr; Dan Boneh
arXiv:1806.03287v2 · 2019-02-27 (v1: 2018-06-08); ICLR 2019

Slalom 将线性计算从可信硬件交给不可信加速器,再检查结果。比较方案时不能省略其 TEE 信任假设。

zkLLM: Zero Knowledge Proofs for Large Language Models

Haochen Sun; Jason Li; Hongyang Zhang
arXiv:2404.16109v1 · 2024-04-24; accepted to ACM CCS 2024

查表与注意力证明用于处理 LLM 证明中昂贵的非算术步骤。这是相关证明系统研究,不是 TrueOpen 测量。来源注明该作者版本不得再分发;这里只提供链接,不托管其 PDF 或图片。

Efficient Memory Management for Large Language Model Serving with PagedAttention

Woosuk Kwon; Zhuohan Li; Siyuan Zhuang; Ying Sheng; Lianmin Zheng; Cody Hao Yu; Joseph E. Gonzalez; Hao Zhang; Ion Stoica
arXiv:2309.06180v1 · 2023-09-12; SOSP 2023

PagedAttention 减少 KV-cache 浪费以改善推理服务效率。它有助于理解推理运行时;运行时批处理与协议层批量验证是不同问题。

Narwhal and Tusk: A DAG-based Mempool and Efficient BFT Consensus

George Danezis; Eleftherios Kokoris Kogias; Alberto Sonnino; Alexander Spiegelman
arXiv:2105.11827v4 · 2022-03-16 (v1: 2021-05-25)

将数据传播与交易排序分开,为证据分发提供架构参照。收录不代表 TrueOpen 已采用该共识或达到论文中的吞吐量。

相关研究

证据边界:公开实验和协议设计不代表每笔生产请求已被验证。这些实验不构成答案正确性、端到端隐私或结算安全的证明。