GM! 今天的LLMs被設計得非常自信。它們生成完整的段落，提供經過潤色的回答，但沒有任何內置的方法來驗證每個部分。

這就像信任一個非常有說服力的人，但他從不出示收據。

與其嘗試微調完美的模型，他們假設每個模型有時都會出錯。因此，他們通過設計使其可驗證。

首先，他們將輸出分解爲原子索賠。

假設一個#AI給你這個陳述：“比特幣是最廣泛持有的加密貨幣，由中本聰在2008年創建。”

Mira並不將其視爲一個陳述。它將其分解爲獨立的、可驗證的聲明：

→ “比特幣是最廣泛持有的加密貨幣”

→ “比特幣是由中本聰創建的”

→ “比特幣是在2008年創建的”

這些都可以由網路獨立進行事實核查。一個可能是主觀的，比如你如何定義最廣泛持有的，另一個是事實性的，比如誰創造了它，另一個是關於時間的，比如它是什麼時候制作的。

這就是二元化的力量，將模糊的人工智能輸出轉化爲清晰、可驗證的聲明，而不依賴於模型的感覺。

然後他們將這些索賠發送到一個去中心化的驗證者網路中，但沒有任何一個節點看到完整的輸入。
這就是分布式驗證。每個節點檢查一個片段，保護隱私並確保信任不成爲瓶頸。

現在，如何讓這些驗證者保持誠實？→ 讓他們進行質押。

每個節點都有參與的利益。如果它驗證了一個幻覺，它就會受到懲罰。這就是驗證的證明，將推理轉化爲真實的經濟工作，而不僅僅是投機。

最後是實際的共識：每個模型必須幾乎完全一致。不是51%。

Mira要求在獨立訓練的模型之間達成幾乎一致的協議。

所以，米拉建立了一個協議，讓多個不完美的代理相互進行經濟和數學檢查，直到只有真相存活，而不是信任一個擁有所有答案的天才模型。

這是一個共識機器，用於讓現實擴展信任。