以太坊在區(qū)塊鏈上實(shí)現(xiàn)了一個(gè)運(yùn)行環(huán)境,被稱為以太坊虛擬機(jī)(EVM)。每個(gè)參與到網(wǎng)絡(luò)的節(jié)點(diǎn)都會(huì)運(yùn)行EVM作為區(qū)塊驗(yàn)證協(xié)議的一部分。他們會(huì)驗(yàn)證區(qū)塊中涵蓋的每個(gè)交易并在EVM中運(yùn)行交易所觸發(fā)的代碼。每個(gè)網(wǎng)絡(luò)中的全節(jié)點(diǎn)都會(huì)進(jìn)行相同的計(jì)算并儲(chǔ)存相同的值。合約執(zhí)行會(huì)在所有節(jié)點(diǎn)中被多次重復(fù),這個(gè)事實(shí)得使得合約執(zhí)行的消耗變得昂貴,所以這也促使大家將能在鏈下進(jìn)行的運(yùn)算都不放到區(qū)塊鏈上進(jìn)行。對(duì)于每個(gè)被執(zhí)行的命令都會(huì)有一個(gè)特定的消耗,用單位Gas計(jì)數(shù)。
Gas是以太坊世界的燃料,它決定了以太坊網(wǎng)絡(luò)生態(tài)系統(tǒng)的正常運(yùn)行,用于交易、執(zhí)行智能合約、支付數(shù)據(jù)存儲(chǔ)費(fèi)用等各個(gè)方面。
每個(gè)合約可以利用的命令都會(huì)有一個(gè)相應(yīng)的Gas值。Gas值的存在避免智能合約進(jìn)入死循環(huán),你不能編寫永不結(jié)束的程序,因?yàn)槟阌帽M了Gas,計(jì)算將被節(jié)點(diǎn)拒絕。
Gas同時(shí)也是礦工的傭金,并以ETH⽀付。在以太坊中,由交易發(fā)起者付出的Gas最終會(huì)以ETH貨幣的價(jià)值計(jì)算并付給礦工作為手續(xù)費(fèi),也就是:Gas cost= Gas Used*Gas Price。
在現(xiàn)實(shí)中,所有的交易最終都是由礦工選擇的,但是用戶所選擇支付的交易費(fèi)用多少會(huì)影響到該交易被打包所需等待的時(shí)長。如果該交易由于計(jì)算,包括原始消息和一些觸發(fā)的其他消息,需要使用的Gas數(shù)量小于或等于所設(shè)置的Gas limit,那么這個(gè)交易會(huì)被處理。如果Gas總消耗超過Gas limit,那么所有的操作都會(huì)被復(fù)原,但交易是成立的并且交易費(fèi)任會(huì)被礦工收取。區(qū)塊鏈會(huì)顯示這筆交易完成嘗試,但因?yàn)闆]有提供足夠的Gas導(dǎo)致所有的合約命令都被復(fù)原。所以交易里沒有被使用的超量Gas都會(huì)以以太幣的形式打回給交易發(fā)起者。因?yàn)镚as消耗一般只是一個(gè)大致估算,所以許多用戶會(huì)超額支付Gas來保證他們的交易會(huì)被接受。
來源:《區(qū)塊鏈雜談》第十五期
作者:陶婧婕
關(guān)注科技行者微信公眾號(hào)(ID:itechwalker),獲取更多《區(qū)塊鏈雜談》電子雜志
好文章,需要你的鼓勵(lì)
新加坡國立大學(xué)研究團(tuán)隊(duì)開發(fā)了SPIRAL框架,通過讓AI與自己對(duì)弈零和游戲來提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊(duì)開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動(dòng)駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。