Tinfoil의 Modelwrap 기술로 모델 신원 증명하기

Tinfoil은 추론 제공자가 API 호출 중 사용하는 정확한 모델 가중치를 암호화적으로 검증하도록 설계된 솔루션인 Modelwrap을 도입했습니다. 이는 사용자가 정확한 가중치를 제공받는지 아니면 잠재적으로 양자화된 변형을 제공받는지 확인할 수 없는 반복적인 문제를 해결합니다.
주요 세부사항
Modelwrap 시스템은 목표를 달성하기 위해 여러 핵심 구성 요소를 사용합니다:
- 모델 가중치에 대한 공개 커밋: 이는 Merkle 트리를 통해 루트 해시를 생성하여 모델 무결성에 대한 단일 지점 검증 방법을 제공합니다.
- 보안 하드웨어 엔클레이브: 시스템이 초기에 검증된 바이너리를 로드하도록 보장하는 데 사용되며, 어테스테이션은 시스템의 시작 상태를 검증합니다.
- 런타임 검증: 중요한 점은 Modelwrap이
dm-verity를 사용한다는 것입니다. 이는 Linux 커널 수준 시스템으로, 모든 읽기 작업에서 모델 가중치 검증을 강제합니다. 이렇게 하면 시스템 부팅 후 가져온 모든 데이터 조각이 커밋된 해시와 일치하도록 보장됩니다.
Merkle 트리와 dm-verity의 조합은 각 모델의 가중치를 빠르고 정확하게 인증할 수 있게 합니다. 이는 제공자가 매번 지정된 모델을 제공하도록 보장하는 데 중요한 의미를 가지며, 양자화와 같은 공개되지 않은 모델 변경으로 인한 성능 변동을 최소화합니다.
이 도구는 모델 출력의 무결성과 일관성을 유지하는 것이 중요한 상업적 AI 배포나 학술 연구 벤치마크와 같은 환경에서 특히 유용합니다.
📖 전체 출처 읽기: HN AI Agents
👀 See Also

커서의 컴포저 2.0은 API 엔드포인트 증거를 바탕으로 Kimi 2.5 모델을 사용하는 것으로 보입니다.
네트워크 분석 결과, Cursor의 Composer 2.0이 'kimi-k2p5-rl-0317-s515-fast'를 포함한 엔드포인트로 요청을 보내는 것으로 나타나, 이 기능이 Kimi 2.5를 기반으로 하고 있음을 시사합니다. 수정된 MIT 라이선스는 저작자 표시를 요구하지만, 그 외의 의무는 최소화된 것으로 알려졌습니다.

로컬 Qwen 3.6 대 프론티어 모델의 코딩 프리미티브 비교: 단일 파일 HTML 캔버스 구동 애니메이션
Reddit 사용자가 로컬 Qwen 3.6 양자화 모델과 프론티어 모델(Claude, Gemini, GPT, Kimi)을 밀집된 단일 파일 HTML 캔버스 주행 애니메이션 작업에서 비교했습니다. 로컬 Qwen 3.6-27B Q4_K_M은 일부 프론티어 모델 출력보다 더 자연스러운 움직임과 레이어링을 제공했습니다.
파라미터 골프: OpenAI의 AI 지원 머신러닝 연구 실험
OpenAI는 파라미터 골프(Parameter Golf) 대회를 개최했습니다. 1,000명 이상의 참가자와 2,000개 이상의 제출물이 참여한 이 대회는 엄격한 제약 하에 AI 지원 머신러닝, 코딩 에이전트, 양자화 및 새로운 모델 설계를 테스트했습니다.

Terry Tao가 말하는 AI 증명 검사기: Lean, 협업, 공식 수학
테리 타오는 수학자들이 수백 명이 협력하고, 인간이 아닌 Lean 같은 컴퓨터가 증명을 검증할 것이라고 예측합니다. Quanta Magazine의 발췌문이 이 비전을 탐구합니다.