مدل‌های AI بدون پاسخ رد از Boundless با سیستم بررسی ارائه می‌شود

نکات کلیدی این مقاله

• نسخه اول، نسخه کاهش‌دهنده پاسخ رد DeepSeek V4.1 Flash
• در ماه ژوئیه، حدود ۴۰۰۰ واحد GPU برای استنتاج AI آزاد می‌شود

ارائه مدل‌های کاهش‌دهنده پاسخ رد با سیستم بررسی

Boundless که شبکه GPU توزیع‌شده‌ای برای اثبات‌های صفر دانش (ZK) را اداره می‌کند، در تاریخ ۲۴، اعلام کرد که پذیرش درخواست برای برنامه ارائه مدل‌های AI "Defensive Access" برای محققان امنیتی آغاز شده است. تنها تیم‌هایی که از بررسی عبور کنند، می‌توانند از مدل‌های AI که برای کاهش پاسخ‌های رد تغییر یافته‌اند، استفاده کنند.

به عنوان اولین نسخه، نسخه کاهش‌دهنده پاسخ رد مدل "DeepSeek V4.1 Flash 1017" از چین ارائه می‌شود. هدف استفاده، تنها برای تحقیقات امنیتی با مجوز و تمرینات تیم قرمز (حملات شبیه‌سازی شده توسط نقش مهاجم) و تست نفوذ (Penetration Testing) است. متقاضیان باید سیستم مورد آزمایش و هدف استفاده را نشان دهند و این شرکت هر درخواست را به صورت جداگانه بررسی می‌کند.

مدل‌های وزن باز، به مدل‌های AI اشاره دارند که وزن‌های آموزش‌دیده آن‌ها منتشر شده و هر کسی می‌تواند آن‌ها را اجرا یا تغییر دهد. نسخه‌ای که این شرکت ارائه می‌دهد، نسخه‌ای به نام "Abliterated" است که تغییراتی برای کاهش پاسخ‌های رد در آن اعمال شده است. این شرکت همچنین بیان کرده است که کاهش پاسخ‌ها به معنای افزایش دقت مدل نیست و خروجی‌ها نیاز به تأیید دارند.

شرکت‌های دیگری نیز وجود دارند که مدل‌های Abliterated وزن باز را با سیستم بررسی ارائه می‌دهند. خدمات استنتاج Inference.net، نسخه کاهش‌دهنده پاسخ رد همان DeepSeek V4.1 Flash 1017 را تنها به تیم‌های تأیید شده ارائه می‌دهد.

هدف از حمایت از طرف دفاع و خطرات سوءاستفاده

Boundless به عنوان دلیل ارائه، به این نکته اشاره می‌کند که مدل‌های AI عمومی ممکن است درخواست‌های تست قانونی مشابه روش‌های حمله را رد کنند. تیم این شرکت در بیانیه‌ای اعلام کرده است: "محدودیت‌های ایمنی مدل‌های سنتی ممکن است اثر معکوس داشته باشد و واقعاً می‌تواند مانع افرادی شود که در تلاش برای محافظت از سیستم هستند."

مدل‌های کاهش‌دهنده پاسخ رد، اگر به دست مهاجمان بیفتند، می‌توانند برای تولید کدهای مخرب نیز استفاده شوند. این شرکت جزئیات خاصی درباره معیارهای بررسی و نحوه نظارت بر استفاده پس از تأیید را مشخص نکرده است.

از نظر عملکرد، این شرکت به بنچمارک اولیه‌ای که توسط شرکت ارزیابی AI Vals AI در تاریخ ۲۰ منتشر شده است، اشاره می‌کند. وقتی این مدل را در یک شبکه شرکتی شبیه‌سازی شده برای انجام وظایف چندمرحله‌ای امنیت سایبری تحت حمله قرار دادند، نسخه استاندارد این مدل از "GPT-6 Sol" شرکت OpenAI پیشی گرفت. این نتیجه مربوط به نسخه استاندارد قبل از تغییر است و ارزیابی نسخه کاهش‌دهنده پاسخ رد نیست.

از شبکه ZK به استنتاج AI

Boundless در اصل، شبکه GPU‌ای را برای تولید اثبات‌های ZK برای صنعت دارایی‌های دیجیتال ایجاد کرده است. در تاریخ ۱۴ ژوئیه، این شرکت اعلام کرد که حدود ۴۰۰۰ واحد GPU را برای استنتاج AI آزاد می‌کند و به عنوان یک سرویس استنتاج مدیریت‌شده (مدیریت توسط این شرکت) عمل خواهد کرد. اداره شبکه اثبات‌های ZK به طور همزمان ادامه دارد.

این شرکت قصد دارد توکن بومی "ZKC" را در شبکه AI نیز نقش‌دار کند و برنامه‌ای برای درخواست استیکینگ ZKC از اپراتورهای استنتاج AI ارائه داده است. اعلامیه اخیر "Defensive Access" به رابطه با ZKC اشاره‌ای نکرده است.

این محتوا صرفاً برای اطلاع‌رسانی عمومی ارائه شده است و به‌منزله مشاوره مالی، سرمایه‌گذاری، حقوقی یا مالیاتی تلقی نمی‌شود. هرگونه رویداد، جایزه، کمپین آنلاین یا اطلاعات مرتبط که در اینجا ذکر شده است، نباید به‌عنوان توصیه، ترغیب یا دعوت به خرید، فروش، معامله یا هرگونه دادوستد دیگر دارایی‌های رمزارزی تلقی شود. دارایی‌های رمزارزی از نوسان بالایی برخوردار هستند و ممکن است منجر به زیان شوند. دسترسی به خدمات، محصولات و رویدادهای مرتبط با WEEX ممکن است بسته به منطقه جغرافیایی متفاوت باشد. اطمینان از اینکه استفاده شما از این خدمات با قوانین و مقررات محلی مطابقت دارد، بر عهده خود شماست.