Vi är glada över att samarbeta med @WalrusProtocol och @SuiFoundation att ta med decentraliserad, integritetsbevarande AI till det @SuiNetwork ekosystemet. Den här integreringen tar med sig Walrus decentraliserade datalager och SEAL:s kryptering till FLocks federerade inlärningsstack, vilket möjliggör säker, community-ägd modellträning.

2/ FLock tränar AI-modeller med hjälp av federerad inlärning, där deltagarna tränar tillsammans utan att dela rådata. För att skala detta på ett säkert sätt behövde vi en decentraliserad infrastruktur för att lagra, sända och kryptera modelluppdateringar. Med Walrus och SEAL får vi båda.

3/ Walrus blir den underliggande infrastrukturen för FLocks FL Alliance - vårt nätverk av samarbetsträningsnoder. Det ger decentraliserad sändning och lagring för modellgradienter, parametrar och träningsutdata. Inga centraliserade servrar, ingen enskild felpunkt.

4/ SEAL lägger till programmerbar kryptering och åtkomstkontroll till processen. Det säkerställer att endast verifierade deltagare i en träningsrunda kan visa eller bidra med gradienter. Krypterad data lagras och hämtas på ett säkert sätt, utan att man behöver lita på någon enskild server eller part.

5/ Walrus och SEAL ersätter de saknade bitarna i att bygga verkligt decentraliserade, säkra federerade inlärningspipelines. Detta låser upp ett viktigt initiativ: att växa FL Alliance. Vi kan nu introducera fler byggare till federerad inlärning med inbyggd integritet och decentralisering.

6/ Tillsammans med Walrus och SEAL bygger vi stacken för säker, programmerbar och community-ägd AI. Framöver arbetar vi med @SuiFoundation för att finjustera en grundmodell med öppen källkod som är optimerad för agentisk AI på Sui. Mer kommer. 💧