从 FairProof 到 ExpProof：用零知识证明为 ML 公平性与解释背书
chhaviyadav_ · x · 2026-11-05
作者介绍了其团队在可验证机器学习方向的两项工作：
- FairProof（ICML '24）：首个用零知识证明（ZKP）为机密 ML 模型的个体公平性提供认证的框架。通过把昂贵的计算移到链下离线完成，只证明近似公平性保证，让证明在实践中可用。
- ExpProof（ICML '25）：密码学可验证的 ML 解释。团队没有把现有算法硬塞进昂贵的 ZK 电路，而是重新设计计算方式使其对 ZKP 友好，用可高效验证的近似最优性保证替代精确解。
作者的核心结论：可验证 ML 不只是一个密码学问题，更是一个 ML 算法设计问题——为可验证性重新设计算法比适配现有算法更有效。
所属事件:研究者推出零知识证明框架 FairProof 认证 ML 模型公平性(2 条相关)→
「研究」频道最新
- Anthropic 研究:0.1% 预训练投毒即可给 Agent 埋下远程代码执行后门 — jiaxinwen22 · 2026-11-05
- 用 Weight Space Programming 直接生成小模型，做出「带脑子的机关装置」 — _ScottCondron · 2026-11-05
- 用 Claude 通读 3096 篇 ASHG 摘要，筛出 33 个遗传学亮点 — anshulkundaje · 2026-11-05
- Stanford 学者 Nature 撰文：AI agent 正在进入湿实验室 — james_y_zou · 2026-11-05
- Hamel Husain：benchmark 正被当信用分使用，批评它没有错 — HamelHusain · 2026-11-05
- ArkenOS 改用 Rust 重写，为更多并行 agent 腾出空间 — _AustinCalvert_ · 2026-11-05