Bagel

Bagel là một hồ dữ liệu học máy phi tập trung được thiết kế để giải quyết các thách thức về chia sẻ dữ liệu và khuyến khích người đóng góp trong AI nguồn mở. Điểm khác biệt cốt lõi của nó nằm ở việc kết hợp các kỹ thuật mã hóa với học máy bảo vệ quyền riêng tư, cho phép xác minh và thưởng cho các đóng góp về dữ liệu và mô hình mà không tiết lộ thông tin độc quyền cơ bản. Ví dụ, công nghệ ZKLoRA của nó cho phép các nhà phát triển chứng minh hiệu quả của các bộ điều hợp AI đã được tinh chỉnh mà không tiết lộ trọng số của bộ điều hợp, giải quyết vấn đề tin cậy và quy kết trong việc chia sẻ mô hình. Vấn đề đau đớn trên thị trường mà Bagel giải quyết là vấn đề 'người hưởng lợi không công' trong AI nguồn mở: những người đóng góp dữ liệu hoặc sức mạnh tính toán thường không nhận được sự công nhận hoặc đền bù, điều này cản trở sự phát triển của các bộ dữ liệu mở chất lượng cao. Bằng cách giới thiệu các cơ chế quy kết và khuyến khích dựa trên mã hóa, Bagel hướng tới việc biến việc đóng góp dữ liệu thành một hoạt động có thể xác minh và bền vững về mặt kinh tế. Trong sáu tháng qua (28/02/2026 đến 31/08/2026), Bagel đã cho thấy sự tham gia tích cực của cộng đồng và tiến bộ kỹ thuật. Vào ngày 27 tháng 8 năm 2026, nó đã tổ chức một sự kiện cộng đồng về robot và AI vật lý tại Toronto, và trước đó đã đồng tổ chức một buổi gặp mặt về mô hình thế giới trong tuần lễ NVIDIA GTC tại Menlo Park. Vào tháng 3 năm 2026, một bài báo của Bagel Labs đã được chấp nhận tại CVPR 2026, cho thấy những đóng góp nghiên cứu liên tục cho sự phát triển mô hình khuếch tán. Các hoạt động này phản ánh sự tập trung vào việc xây dựng cộng đồng xung quanh cơ sở hạ tầng AI phi tập trung hơn là quảng bá thương mại thuần túy.