Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2506.21033v1

帮助 | 高级搜索

计算机科学 > 分布式、并行与集群计算

arXiv:2506.21033v1 (cs)
[提交于 2025年6月26日 ]

标题: 区块:用于高效大语言模型服务的区块链支持的跨库知识共享

标题: BLOCKS: Blockchain-supported Cross-Silo Knowledge Sharing for Efficient LLM Services

Authors:Zhaojiacheng Zhou, Hongze Liu, Shijing Yuan, Hanning Zhang, Jiong Lou, Chentao Wu, Jie Li
摘要: 大型语言模型(LLMs)的幻觉问题日益引起关注。 将外部知识引入LLMs是一种解决此问题的有前景的方法。 然而,由于隐私和安全问题,大量与下游任务相关的知识仍然分散并孤立在各个“孤岛”中,使得难以访问。 为了弥合这一知识差距,我们提出了一种基于区块链的外部知识框架,协调多个知识孤岛,为大型模型检索提供可靠的基础知识,同时确保数据安全。 技术上,我们将本地数据中的知识提炼为提示,并在区块链上执行交易和记录。 此外,我们引入了声誉机制和交叉验证,以确保知识质量并为参与提供激励。 此外,我们设计了一个查询生成框架,为大型模型检索提供直接的API接口。 为了评估所提出的框架性能,我们在各种知识源上进行了广泛的实验。 结果表明,所提出的框架在区块链环境中实现了高效的LLM服务知识共享。
摘要: The hallucination problem of Large Language Models (LLMs) has increasingly drawn attention. Augmenting LLMs with external knowledge is a promising solution to address this issue. However, due to privacy and security concerns, a vast amount of downstream task-related knowledge remains dispersed and isolated across various "silos," making it difficult to access. To bridge this knowledge gap, we propose a blockchain-based external knowledge framework that coordinates multiple knowledge silos to provide reliable foundational knowledge for large model retrieval while ensuring data security. Technically, we distill knowledge from local data into prompts and execute transactions and records on the blockchain. Additionally, we introduce a reputation mechanism and cross-validation to ensure knowledge quality and provide incentives for participation. Furthermore, we design a query generation framework that provides a direct API interface for large model retrieval. To evaluate the performance of our proposed framework, we conducted extensive experiments on various knowledge sources. The results demonstrate that the proposed framework achieves efficient LLM service knowledge sharing in blockchain environments.
主题: 分布式、并行与集群计算 (cs.DC)
引用方式: arXiv:2506.21033 [cs.DC]
  (或者 arXiv:2506.21033v1 [cs.DC] 对于此版本)
  https://doi.org/10.48550/arXiv.2506.21033
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Zhaojiacheng Zhou [查看电子邮件]
[v1] 星期四, 2025 年 6 月 26 日 06:16:33 UTC (2,036 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
cs.DC
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-06
切换浏览方式为:
cs

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号