基于大语言模型意图识别和实体提取功能；具体ZK数值例子：加密货币交易验证；
目录
基于大语言模型意图识别和实体提取功能
案例背景
零知识证明过程
具体例子
具体举例（简化）
具体ZK数值例子：加密货币交易验证
定义多项式
承诺
挑战
证明构造
证明验证
结论
zkLLM Zero Knowledge Proofs for Large Language Models
在大模型验证过程中处理大量离散数据
一、建立多项式
二、建立查找表
约束条件的综合应用
非算术操作的零知识证明
原理概述
以ReLU激活函数为例
举例说明原理
基于大语言模型意图识别和实体提取功能
案例背景
假设我们有一个大语言模型，它声称能够准确地识别用户输入中的意图并提取相关实体。为了验证这个模型的功能，我们不想直接暴露模型的内部细节或训练数据，因此可以使用零知识证明来实现这一目标。
零知识证明过程
-
构建算术电路：
- 在这个场景中，算术电路可以表示为用户输入、模型输出以及验证逻辑的组合。
- 电路中的门和常量可以对应于模型的不同部分，如输入层、隐藏层和输出层。
- 约束条件可以设置为确保模型的输出符合预期的意图识别和实体提取规则。
-
转换为约束系统：