Show HN: zkGolf – 正式验证电路的竞争性优化
摘要
zkGolf 是一个开放竞赛,旨在生成经过优化的、正式验证的零知识电路,利用大型语言模型(LLMs)来生成和改进实现,超越人类优化的标准。
零知识证明(ZKPs)允许不受信任的证明者向验证者证明计算已正确执行,而无需透露输入信息。
然而,要证明任何内容,首先需要将计算表示为电路:有限域上的多项式方程(约束)系统。
电路是零知识证明的汇编语言,每个约束都会消耗证明者(有时也包括验证者)的时间,因此生产级电路会进行大量手动优化。<p>在过去的几个月里,我们一直在尝试编写形式化规范,并让大型语言模型(LLMs)生成电路:只要它们能够证明其实现是正确的。
我们从 SHA-256 开始:我们手动用 Lean 编写了 SHA-256 压缩的规范,然后要求 LLMs 编写电路,目标为 R1CS 算术化和大域。<p>Opus 4.7 花了几个小时的工作,并进行了一些轻微的引导,但最终模型提出了一个合理的实现。然后我们要求 LLM 积极优化电路,通过降低电路的成本指标(约束数量)。仅仅通过要求它提出优化想法、实现它们并证明新电路仍然满足可靠性和完备性,我们立即得到了非常有希望的结果。有时,它会提出不合理的优化,但由于无法证明它们,它就会回溯并重新回到正确的方法上。<p>结果是一个(非确定性)电路,击败了当前人工优化的 SHA256 压缩的最先进水平。这一经历促使我们创建了“zk.golf”,这是一个开放竞赛,旨在生成经过优化的、正式验证的电路,以降低使用零知识证明的门槛,并使其应用更高效。<p>快来参与(<a href="https://zk.golf/llms.txt" rel="nofollow">https://zk.golf/llms.txt</a>)并了解形式化验证吧。
相似文章
G-Zero:从零数据开始的无界生成自博弈方法
本文介绍了 G-Zero,这是一个无需验证器的框架,通过基于内在奖励和提示引导的协同进化训练,实现大型语言模型的自主自我改进。旨在通过从内部分布动态中推导监督信号,克服代理 LLM 评判者在无界任务中的局限性。
# 结合语义等价自博弈与形式化验证提升 LLM 代码推理能力
爱丁堡大学研究人员提出了一种利用 Liquid Haskell 进行形式化验证的自博弈框架,用于训练 LLMs 的语义等价推理能力,同步发布了 OpInstruct-HSx 数据集(28k 个程序),并在 EquiBench 上实现了 13.3 个百分点的准确率提升。
通过严格步骤级验证评估研究级数学证明
本文介绍了一种严格的步骤级验证框架,用于评估使用LLM的研究级数学证明,解决了上下文污染问题,并优于全局评估。该方法将重点转向演绎约束,并揭示了剩余错误通常源于学究式过度严谨,暴露了基准中的隐含歧义。
GenCircuit-RL: 基于层次化验证的强化学习基因电路设计
GenCircuit-RL 提出了一个基于层次化验证奖励的强化学习框架,通过代码生成进行基因电路设计,相比二元奖励提升了14-16个百分点,并提供了包含4,753个电路的 SynBio-Reason 基准。
从LLM生成的猜想到Lean形式化验证:基于平方和证书的自动多项式不等式证明
本文提出了NSPI,一种结合LLM与符号计算的神经符号框架,用于证明多项式不等式。它利用LLM生成的平方和猜想,通过符号计算进行精炼,并在Lean中形式化验证证明,在最多10个变量的多项式上展示了可扩展性。