比特幣本質(zhì)上是由分布式網(wǎng)絡(luò)系統(tǒng)生成的數(shù)字貨幣,其發(fā)行過程不依賴特定的中心化機(jī)構(gòu),而是依賴于分布式網(wǎng)絡(luò)節(jié)點(diǎn)共同參與一種稱為工作量證明(Proof of work, PoW)的共識(shí)過程以完成比特幣交易的驗(yàn)證與記錄。
PoW 共識(shí)過程(俗稱挖礦,每個(gè)節(jié)點(diǎn)稱為礦工)通常是各節(jié)點(diǎn)貢獻(xiàn)自己的計(jì)算資源來競(jìng)爭(zhēng)解決一個(gè)難度可動(dòng)態(tài)調(diào)整的數(shù)學(xué)問題,成功解決該數(shù)學(xué)問題的礦工將獲得區(qū)塊的記賬權(quán),并將當(dāng)前時(shí)間段的所有比特幣交易打包記入一個(gè)新的區(qū)塊、按照時(shí)間順序鏈接到比特幣主鏈上。不過,該如何確定什么樣的區(qū)塊鏈?zhǔn)怯行У模?
中本聰在論文《比特幣:一種點(diǎn)對(duì)點(diǎn)網(wǎng)絡(luò)中的電子現(xiàn)金》中曾介紹,比特幣工作量證明機(jī)制的本質(zhì)是一CPU一票,而最長(zhǎng)鏈包含了最大的工作量,所以“大多數(shù)人”的決定就可以表達(dá)為最長(zhǎng)鏈。通俗來講就是,比特幣區(qū)塊是依靠礦工們不斷進(jìn)行數(shù)學(xué)運(yùn)算而產(chǎn)生的,每一個(gè)區(qū)塊都必須引用其上一個(gè)區(qū)塊,因此最長(zhǎng)的鏈也是最難以推翻和篡改的,所以節(jié)點(diǎn)永遠(yuǎn)認(rèn)為最長(zhǎng)鏈才是有效的區(qū)塊鏈,只有在最長(zhǎng)鏈上挖礦的礦工才能夠獲得獎(jiǎng)勵(lì),這就是我們常說的比特幣最長(zhǎng)鏈原則。
礦工在挖礦時(shí),由于哈希值的產(chǎn)生是隨機(jī)的,再加上網(wǎng)絡(luò)的延遲,就存在兩個(gè)礦工同時(shí)挖出區(qū)塊的可能,當(dāng)發(fā)生這種情況時(shí),如果他們一起記賬就會(huì)造成區(qū)塊鏈的分叉。此時(shí),系統(tǒng)就會(huì)根據(jù)最長(zhǎng)鏈原則進(jìn)行取舍,即哪個(gè)新產(chǎn)生的區(qū)塊能使其所在的區(qū)塊鏈變得更長(zhǎng),則哪個(gè)區(qū)塊得以被記錄。所有礦工在最長(zhǎng)鏈上挖礦有利于維護(hù)區(qū)塊鏈賬本的唯一性。
這條最長(zhǎng)的區(qū)塊鏈通常被稱為“主鏈”。在比特幣主鏈上其實(shí)也存在著分支,這些分支被當(dāng)做備用鏈,如果新添加的區(qū)塊使備用鏈累積了更多的工作量,那么這條備用鏈將被作為新的主鏈。
來源:《區(qū)塊鏈雜談》第六期
編輯:陶婧婕
-關(guān)注科技行者微信公號(hào)(itechwalker),獲取《區(qū)塊鏈雜談》電子雜志-
好文章,需要你的鼓勵(lì)
浙江大學(xué)團(tuán)隊(duì)提出動(dòng)態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學(xué)、編程等任務(wù)上顯著提升推理準(zhǔn)確率,且不增加計(jì)算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學(xué)研究團(tuán)隊(duì)提出SIRI方法,通過"壓縮-擴(kuò)張"交替訓(xùn)練策略,成功解決了大型推理模型"話多且準(zhǔn)確率低"的問題。實(shí)驗(yàn)顯示,該方法在數(shù)學(xué)競(jìng)賽題上將模型準(zhǔn)確率提升43.2%的同時(shí),輸出長(zhǎng)度減少46.9%,真正實(shí)現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓(xùn)練提供了新思路。
南洋理工大學(xué)與騰訊聯(lián)合研究團(tuán)隊(duì)開發(fā)出Rolling Forcing技術(shù),實(shí)現(xiàn)AI視頻實(shí)時(shí)流式生成的重大突破。該技術(shù)通過滾動(dòng)窗口聯(lián)合去噪、注意力錨點(diǎn)機(jī)制和高效訓(xùn)練算法三項(xiàng)創(chuàng)新,解決了長(zhǎng)視頻生成中的錯(cuò)誤累積問題,可在單GPU上以16fps速度生成多分鐘高質(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標(biāo)從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開辟新可能。
華中科技大學(xué)研究團(tuán)隊(duì)發(fā)現(xiàn),通過讓AI模型學(xué)習(xí)解決幾何問題,能夠顯著提升其空間理解能力。他們構(gòu)建了包含約30000個(gè)幾何題目的Euclid30K數(shù)據(jù)集,使用強(qiáng)化學(xué)習(xí)方法訓(xùn)練多個(gè)AI模型。實(shí)驗(yàn)結(jié)果顯示,幾何訓(xùn)練在四個(gè)空間智能測(cè)試基準(zhǔn)上都帶來顯著提升,其中最佳模型達(dá)到49.6%準(zhǔn)確率,超越此前最好成績(jī)。這項(xiàng)研究揭示了基礎(chǔ)幾何知識(shí)對(duì)培養(yǎng)AI空間智能的重要價(jià)值。