KeyFrame內部研究專用

Auto Research on Yukon with Soubhik Deb

Zero Knowledge66 min英文
觀看原始影片

三句話摘要

Yukon是一個開放協作的自動研究競賽平台,透過讓AI代理和人類研究者共同優化結構清晰的密碼學與工程問題,以機器速度加速科學發現。 Yukon透過開放協作、可驗證的問題框架與AI代理加速,將科學研究週期從月年級拉至天級,並展現當跨域人才能在無篩選的平台上自由組合,突破往往才是副作用。 --- 延伸資訊: - 網站:yukon.org(查看所有活動競賽) - Slack頻道連結於官網 - 重點新聞:better.codes突破Johnson bound(8月28日);Lighter吞吐最終優化10.5倍 - 下一階段垂直:密碼學(與EAF合作)、ML推理優化、生物/化學/材料科學、網路安全 一、多人協作打敗單人研究。ecdsa.fail透過開放過去所有提交(包括失敗案例),讓代理和研究者可以在他人基礎上建構,造成指數級進展。Starkware的Teddy透過整理所有技巧重新開始,發明GCD ping pong方法,將進度從49%直接躍升至60%,證明開放系統的威力。

重點整理

  1. 一、多人協作打敗單人研究。ecdsa.fail透過開放過去所有提交(包括失敗案例),讓代理和研究者可以在他人基礎上建構,造成指數級進展。Starkware的Teddy透過整理所有技巧重新開始,發明GCD ping pong方法,將進度從49%直接躍升至60%,證明開放系統的威力。

  2. 二、問題框架化是瓶頸。並非所有研究問題都能轉化為競賽:Proximity Prize因敘述為二元(證或未證)而難以設計驗證器,後來透過Alexander Hicks和Giacomo編寫Lean驗證器、限制特定參數組合,才成為可行的better.codes競賽。破解Johnson bound後更觸發30年舊問題的重大突破。

  3. 三、跨域人才帶來創新。Bartos是代數幾何專家而非密碼學家,卻因為習慣使用Claude做代數研究,將該技巧套用到better.codes而突破僵局,展現開放平台如何無差別吸納各領域專才。

  4. 四、與Dark Bloom形成完整生態。Yukon是問題平台,Dark Bloom是MacBook推理網路,MLX.fast競賽同時優化開源模型並為Dark Bloom線上生產做R&D,形成閉迴路反饋。

實用技巧與重點

  • 競賽與成績:
  • ecdsa.fail:量子電路效率 = 2.6倍優於Google
  • snark.fast(Apple Silicon):3倍以上改進
  • snark.fast(x86):另獨立競賽
  • better.codes:Johnson bound從63.99位突破至67位以上;Bartos的突破在8月28日發生
  • Lighter.fast:Lighter交易所ZK證明吞吐優化達10.5倍;獎金從$15,000 lit加碼至$25,000 lit
  • Heesh問題:用三角形/正方形組合成單一形狀,目標構建5層完整環形(現最好4.9881層)
  • MLX.fast:Llama、Qwen 3.7、Jama等開源模型輪流優化
  • 獎勵與參與:
  • 周間$10,000 airmark按貢獻比例分配
  • 項目贊助方另設獎金池(如Lighter、Lyta)
  • Claude訂閱$200能換$20,000代幣價值
  • 工具與基礎設施:
  • CLI工具讓代理自動讀取競賽細節、存取過去提交、構建版本
  • Lean驗證器(better.codes)
  • GitHub Discussion功能(Heesh)讓代理推送探索想法、領域專家實時方向指引
  • Apple Silicon安全沙箱(支援Macs驗證執行)
  • 平台特色:
  • 開放所有提交與失敗案例訪問權限
  • 人類與代理混合參與,報酬給資助者(用U.S. dollars或代幣)
  • Dark Bloom合作:頂級推理供應商(OpenRouter上Llama 26B),採Apple secure enclave隱私
  • 關鍵人物:
  • Bartos(Z-A-Teddy):波蘭數學家、代數幾何專家
  • Ron Rothblum、Benedict Bunce、Tamir:Flock/Sussings領域專家
  • Justin:初期社群凝聚

結論

Yukon透過開放協作、可驗證的問題框架與AI代理加速,將科學研究週期從月年級拉至天級,並展現當跨域人才能在無篩選的平台上自由組合,突破往往才是副作用。 --- 延伸資訊: - 網站:yukon.org(查看所有活動競賽) - Slack頻道連結於官網 - 重點新聞:better.codes突破Johnson bound(8月28日);Lighter吞吐最終優化10.5倍 - 下一階段垂直:密碼學(與EAF合作)、ML推理優化、生物/化學/材料科學、網路安全

完整解析

Google在今年三月發表高效率量子電路論文,宣稱能更有效率地破解Bitcoin和Ethereum所使用的secP256橢圓曲線。雖然Google聲稱用零知識證明驗證了電路存在且性能優於先前技術,卻未公開實現細節。這引發問題:如果無法看到攻擊方向,如何防禦Q-Day(量子計算機破解密碼學的時刻)?

Eigenlabs團隊察覺到同期自動研究(用代理在驗證器下自動優化)的風潮,決定利用Google公開的驗證器來發起ecdsa.fail——一場開放競賽,邀請社群破解同等級的量子電路,結果公開透明。初期無獎金,純粹靠挑戰精神與Q-Day影響力驅動參與者燃燒Claude訂閱費用。競賽框架是核心創新:提交的算法被存在平台上,其他研究者可直接訪問歷史方案(含失敗案例),在他人基礎上迭代。這與International Math Olympiad式的個人競爭截然不同。

進展分三波。初期Starkware的Teddy(自稱使用Claude在代數幾何研究中積累專業技巧)重新整理所有已知技巧後,用GCD ping pong方法在一週內將進度從49%躍升至超過60%。他這一招甚至激發30年舊的編碼論文突破。隨後better.codes(Proximity Prize專用競賽)更戲劇性:領域專家用Lean驗證器框架化問題後,成果在Johnson bound卡關63.99位六天,直到Bartos參與。Bartos不是密碼學家,卻因習慣用Claude做代數幾何工作,無意間將代數技巧跨域應用,在數小時內突破至64.01位,隨即引發連鎖反應,數位密碼學家發表三篇相關論文。

平台運作模式逐漸成熟:Lighter.fast與DEX合作,目標是加速零知識證明執行以提升交易吞吐。競賽允許修改特定檔案(由領域專家與驗證設計者共同框定),參與者在本機用代理優化後提交。後端驗證器確保無人違反約束。獎勵來自周間$10,000池(按改進比例分配)與贊助商額外獎金。Dark Bloom則是平行運作的推理基礎設施:蒐集未使用的MacBook,透過Apple secure enclave保護隱私,為開源模型提供推理服務。MLX.fast競賽正是為Dark Bloom做R&D,優化Llama、Qwen等模型在Apple Silicon上的效能。

Heesh問題代表新方向。Bartos(同一位破解Johnson bound的人)提出用三角形與正方形組合成單一形狀、並能構建無縫環形層級的幾何問題。當前記錄是4.9881層,目標五層。平台試驗新功能:GitHub Discussion讓代理推送探索進度,領域專家即時回應與指引。這反映Yukon對「AI原生科學機構」的願景——研究者(人或代理)共同建構、失敗案例也得到學分、複雜問題自動分解為可驗證子問題。

與Eigenlayer的關聯在於哲學一致:都試圖釋放組織外部的開放創新。Eigenlayer重新抵押以提供安全,Yukon與Dark Bloom則透過開放競賽與基礎設施,讓全球人才與代理在結構化問題上協作,以機器速度推進科學前沿。傳統學術因篩選機制存在人為偏差,Yukon期望用公開驗證、學分制度與問題分解系統,打造無差別吸納人才的科學平台。

72 min
AI 技術英文PODCAST11月18日

Generative Cryptography, AI & Scaling Trust with Nicola Greco

Zero Knowledge看原片 ↗
  • 密碼學面臨的完整威脅堆疊:威脅不止於基礎假設,還包括密碼庫的交付方式、協議參數設定、實現細節、側通道攻擊與安全證明等每一層。這就是為何需要「密碼學韌性」而非簡單的「後量子」或「後AI」標籤,因為這涉及整個系統的防禦升級。
  • 生成密碼學的雙軌道:一是改進現有密碼學(通過更好的數據集、形式驗證、研究迴路加速),二是發明新密碼學(讓AI生成新假設、新定義、新協議)。後者透過將智能體放入對抗環境中強制其設計新密碼學應用,可能發現人類尚未探索的密碼原始。
76 min
AI 技術英文PODCAST11月11日

When Math Meets Auto Research with Bartosz Naskręcki

Zero Knowledge看原片 ↗
  • 一、自動研究的適用範圍與侷限 Bartosz強調自動研究特別適合具有複雜組合空間、已知演算法工具、但需要大量耐心和嘗試的問題。ecdsa.fail競賽之所以成功,是因為該演算法模組化,可分解為多個獨立優化的部分,允許多人並行工作。然而這種方
  • 二、AI解決問題的隱藏機制 AI模型本質上是翻譯機器,能將問題重新表述為多種形式。許多看似困難的數學問題,實際上只是定義和表述的問題,AI通過自動重新語境化(context translation)而輕鬆解決。這解釋了為何某些困擾人類數十年
50 min
Web3 安全英文PODCAST10月28日

From Nova to Magnetar: Three Years of Research with Srinath Setty

Zero Knowledge看原片 ↗
  • 1. 安全與效率的權衡突破
  • Magnetar的核心動機是建構最安全的通用ZKVM,只依賴經過驗證的標準雜湊函數。研究團隊發現,這種「極簡」設計反而帶來顯著性能優勢——比依賴橢圓曲線或特製雜湊函數(Poseidon)的「雜湊加」系統快超過一個數量級。這打破了人們對安全與