Koleksiyona dönFlashProve Model Kimliğini Sınanabilir Kılıyor, Ancak Maliyeti Yüksek
Anthropic’in açık araştırma prototipi hesaplamayı taahhüt edilen model ağırlıklarıyla karşılaştırıyor; yanıtın doğru olduğunu kanıtlamıyor.
Anthropic, 2 Kasım’da FlashProve’u yayımladı: doğrulayıcının, ağırlıkları almadan çıktının önceden taahhüt edilmiş model ağırlıklarıyla uyumunu denetlemesini sağlayan açık kaynaklı bir araştırma prototipi. Bildirilen Llama 4 Maverick ölçümünde tek H100 üzerinde saniyede yaklaşık 110 token için kanıt üretiliyor; ancak olağan çıkarıma göre yaklaşık 70–95 kat GPU süresi gerekiyor. Bu, doğrulamayı bedelsiz hâle getirmekten çok modelin gizlice değiştirilmesini daha sınanabilir kılıyor.
Mevcut garanti, açgözlü çözümleme kullanan bir tamsayı modeli ve en fazla 1.024 tokenlık bağlamlar için geçerli. Yanıtın olgusal doğruluğunu kanıtlamıyor veya örneklemeyle üretilen herhangi bir sohbet yanıtını garanti etmiyor. Anthropic ayrıca hızlı çalıştırılabilir kodun, Lean protokolüne ve daha yavaş doğrulayıcıya bağlı biçimsel garantileri taşımadığını belirtiyor. Prototipi üretim ortamında güvence saymadan önce bu sınırlar dikkate alınmalı.