論文の概要: 180 Days After EIP-4844: Will Blob Sharing Solve Dilemma for Small Rollups?

• arxiv url: http://arxiv.org/abs/2410.04111v2
• Date: Fri, 11 Oct 2024 18:10:24 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-02 14:01:04.161413
• Title: 180 Days After EIP-4844: Will Blob Sharing Solve Dilemma for Small Rollups?
• Title（参考訳）: EIP-4844の180日後:小さなロールアップで溶剤ジレンマを共有するか?
• Authors: Suhyeon Lee,
• Abstract要約: 本稿では,EIP-4844の実装から6ヶ月後に収集した実世界データに基づくブロブ共有の有効性について検討する。 単純なブロブ共有フォーマットを用いてコスト変化をシミュレートすることにより、ブロブ共有が小規模ロールアップのコストとDAサービス品質を大幅に改善できることを実証する。
• 参考スコア（独自算出の注目度）: 2.88268082568407
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The introduction of blobs through EIP-4844 has significantly reduced the Data Availability (DA) costs for rollups on Ethereum. However, due to the fixed size of blobs at 128 KB, rollups with low data throughput face a dilemma: they either use blobs inefficiently or decrease the frequency of DA submissions. Blob sharing, where multiple rollups share a single blob, has been proposed as a solution to this problem. This paper examines the effectiveness of blob sharing based on real-world data collected approximately six months after the implementation of EIP-4844. By simulating cost changes using a simple blob sharing format, we demonstrate that blob sharing can substantially improve the costs and DA service quality for small rollups, effectively resolving their dilemma. Notably, we observed cost reductions in USD exceeding 85% for most of the rollups when they cooperate, attributable to the smoothing effect of the blob base fee achieved through blob sharing.
• Abstract（参考訳）: EIP-4844によるブロブの導入により、Ethereum上のロールアップに対するデータアベイラビリティ(DA)コストが大幅に削減された。 しかし、128KBのブロブの固定サイズのため、データスループットの低いロールアップはジレンマに直面している。 複数のロールアップがひとつのブロブを共有するブロブ共有は、この問題の解決策として提案されている。 本稿では,EIP-4844の実装から約6ヶ月後に収集した実世界データに基づくブロブ共有の有効性について検討する。 簡単なブロブ共有形式を用いてコスト変化をシミュレートすることにより、ブロブ共有が小規模ロールアップのコストとDAサービス品質を大幅に改善し、ジレンマを効果的に解消できることを実証する。 特に, ブロブシェアリングによるブロブベース手数料の平滑化効果に起因して, 多くのロールアップにおいてUSDのコスト削減が85%を超えることが確認された。

関連論文リスト

• Two Sides of the Same Coin: Large-scale Measurements of Builder and Rollup after EIP-4844 [13.8621035326112]
  EIP-4844以降のビルダーおよびロールアップ市場における1億件の取引を含む新興戦略について検討する。 ビルダーとロールアップ戦略の効率は相互依存しており、同じコインの2つの側面に似ています。
  論文  参考訳（メタデータ） (2024-11-06T13:09:23Z)
• Diffusion Soup: Model Merging for Text-to-Image Diffusion Models [90.01635703779183]
  シャードデータに基づいてトレーニングされた拡散モデルの重みを平均化する,テキスト・ツー・イメージ・ジェネレーションの複合化手法であるDiffusion Soupを提案する。 提案手法は,構築により,追加記憶や推論コストを伴わずに,無学習の連続学習とアンラーニングを可能にする。
  論文  参考訳（メタデータ） (2024-06-12T17:16:16Z)
• CLIP the Bias: How Useful is Balancing Data in Multimodal Learning? [72.19502317793133]
  比較言語画像事前学習(CLIP)におけるバイアス軽減のためのデータバランスの有効性について検討する。 表現バイアスと相関バイアスの両方を低減するために,Multi-Modal Moment Matching (M4) と呼ばれる新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-03-07T14:43:17Z)
• EBFT: Effective and Block-Wise Fine-Tuning for Sparse LLMs [68.41135269685576]
  スパースLLMを微調整する既存の方法は、しばしば資源集約的な要求と高い再訓練コストに悩まされる。 再構成誤差の最小化に基づくスパルスLLMの微調整のための効率的かつ高速なフレームワークを提案する。 提案手法では, キャリブレーションのための小さなデータセットをサンプリングし, バックプロパゲーションを利用してブロックワイズ復元誤差を反復的に最適化する。
  論文  参考訳（メタデータ） (2024-02-19T09:55:32Z)
• The Resource Problem of Using Linear Layer Leakage Attack in Federated Learning [18.34693758013391]
  また,SOTAと比較してモデルサイズを327$times$以上,計算時間を334$times$以上削減できることを示す。 スパーシティの使用は,SOTAと比較してモデルサイズオーバーヘッドを327$times$以上,計算時間を3.34$times$以上削減できることを示す。
  論文  参考訳（メタデータ） (2023-03-27T01:21:31Z)
• Gradient-Free Structured Pruning with Unlabeled Data [57.999191898036706]
  ラベルのないデータのみを使用する勾配のない構造化プルーニングフレームワークを提案する。 元々のFLOPカウントの最大40%は、考慮されたすべてのタスクで4%未満の精度で削減できる。
  論文  参考訳（メタデータ） (2023-03-07T19:12:31Z)
• Petals: Collaborative Inference and Fine-tuning of Large Models [78.37798144357977]
  多くのNLPタスクは、1000億以上のパラメータを持つ大きな言語モデル(LLM)を使用することで恩恵を受ける。 BLOOM-176BとOPT-175Bのリリースにより、誰もがこのスケールで事前訓練されたモデルをダウンロードできる。 我々は,大規模モデルの推測と微調整を協調的に行うシステムとして,Petals $-$を提案する。
  論文  参考訳（メタデータ） (2022-09-02T17:38:03Z)
• Federated Split BERT for Heterogeneous Text Classification [25.388324221293203]
  異種データを処理し,BERTエンコーダ層を局所部分とグローバル部分に分割することで通信コストを削減するフレームワークであるFedSplitBERTを提案する。 私たちのフレームワークは、FedAvg、FedProx、FedAdamなど、既存のフェデレーション学習アルゴリズムと互換性があります。
  論文  参考訳（メタデータ） (2022-05-26T12:21:57Z)
• LBCF: A Large-Scale Budget-Constrained Causal Forest Algorithm [11.82503645248441]
  予算制約の下で各ユーザに対して適切なインセンティブ(すなわち治療)を選択する方法が重要な研究課題である。 本稿では,大規模予算制約付き因果樹林 (LBCF) アルゴリズムと呼ばれる,予算制約下での新規な木に基づく治療選択手法を提案する。 当社のアプローチは,ユーザのキャンペーンエンゲージメント期間を増やすために,大規模なビデオプラットフォーム上で現実のシナリオに展開する。
  論文  参考訳（メタデータ） (2022-01-29T13:21:07Z)
• Bayesian Active Summarization [3.1423034006764965]
  本稿では,ベイジアンアクティブ・サムライゼーション(BAS)を,最先端の要約モデルとアクティブ・ラーニング手法を組み合わせた手法として紹介する。 以上の結果から,BASはランダム選択と比較して,より優れた,より堅牢な性能が得られることが示唆された。
  論文  参考訳（メタデータ） (2021-10-09T06:51:16Z)
• LSDAT: Low-Rank and Sparse Decomposition for Decision-based Adversarial Attack [74.5144793386864]
  LSDATは、入力サンプルのスパース成分と対向サンプルのスパース成分によって形成される低次元部分空間における摂動を加工する。 LSDは画像ピクセル領域で直接動作し、スパース性などの非$ell$制約が満たされることを保証します。
  論文  参考訳（メタデータ） (2021-03-19T13:10:47Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。