耶鲁大学的六位计算机科学研究者于 2026 年 9 月 9 日发布技术论文,概述了 Maverick 框架——该框架在将繁重计算交由第三方服务器时,保持 AI 提示内容不被泄露。此方法让智能手机或其他低性能设备将大部分算术任务卸载至远程处理器,同时用户的原始查询保持隐藏。

掩码技术与验证

客户端设备首先应用一种对观察者而言随机的加密掩码,然后将掩码后的数据传输至服务器。服务器返回结果后,设备去除掩码以恢复答案。

为确认服务器正确执行模型,Maverick 运行一次简短的随机检查,而不是在本地完整复算。该验证步骤借鉴了零知识证明系统的概念,这也是区块链计算网络所研究的方向。

论文将 Maverick 与 DeepProve 进行对比,后者是一种零知识机器学习验证器,能够证明结果正确,但并未对原始输入进行隐藏。

性能结果

测试使用 Qwen3‑4B 语言模型,在客户端单线程运行,配合拥有 128 并行线程的 CPU 服务器。当掩码提前准备好时,系统处理提示令牌的速度比设备自行完整运行模型快至 45 倍。

若在推理过程中实时生成掩码,速度优势下降至 17 倍,仍显著降低本地工作负载。

另一实验模拟了两条客户端线程与 64 条服务器线程的网络环境。在 50 毫秒往返延迟下,首个令牌的处理速度比纯本地执行快 1.42‑1.46 倍;在 100 毫秒延迟时,远程方式反而更慢,凸显该协议对网络时延的敏感性。

作者指出,预计算掩码所需的客户端存储量是主要限制因素,称其为“我们方法的关键瓶颈”。

团队、资金与相关评论

助理教授 Fan Zhang 与博士生 Wenhao Wang 均隶属于 Initiative for CryptoCurrencies and Contracts (IC3);Wang 的工作部分由 IC3 资助。共同作者 Charalampos Papamanthou 同时担任 Lagrange Labs 首席科学家,该公司构建包括 DeepProve 在内的零知识证明系统。

在 Unchained 的 “Uneasy Money” 播客近期访谈中,区块链市场平台创始人 Kain Warwick 强调了 Maverick 试图解决的信任问题,他表示:“人们在出售推理服务,但你并不真正知道其来源。”

该论文尚未被同行评审期刊接受,也未提供公开代码库,表明该工作仍处于原型阶段。

来源

本文由 COINMAG 新闻编辑部根据上述报告撰写。