論文の概要: FlexProofs: A Vector Commitment with Flexible Linear Time for Computing All Proofs

• arxiv url: http://arxiv.org/abs/2601.03031v1
• Date: Tue, 06 Jan 2026 14:05:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-07 17:02:12.964121
• Title: FlexProofs: A Vector Commitment with Flexible Linear Time for Computing All Proofs
• Title（参考訳）: FlexProofs: すべての証明を計算するためのフレキシブルな線形時間を備えたベクトルコミット
• Authors: Jing Liu, Liang Feng Zhang,
• Abstract要約: バッチオープニングを伴うマルチエクスポネントのための新しいベクトルコミットメントスキームであるFlexProofsを紹介する。 我々は、$N=216$と$b=log2N$の場合、FlexProofsはHydraProofsよりも6倍高速であることを示す。 我々の実験によると、$N=216$と$b=log2N$の場合、FlexProofsはHydraProofsより6倍速い。
• 参考スコア（独自算出の注目度）: 9.824836705472398
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this paper, we introduce FlexProofs, a new vector commitment (VC) scheme that achieves two key properties: (1) the prover can generate all individual opening proofs for a vector of size $N$ in optimal time ${\cal O}(N)$, and there is a flexible batch size parameter $b$ that can be increased to further reduce the time to generate all proofs; and (2) the scheme is directly compatible with a family of zkSNARKs that encode their input as a multi-linear polynomial. As a critical building block, we propose the first functional commitment (FC) scheme for multi-exponentiations with batch opening. Compared with HydraProofs, the only existing VC scheme that computes all proofs in optimal time ${\cal O}(N)$ and is directly compatible with zkSNARKs, FlexProofs may speed up the process of generating all proofs, if the parameter $b$ is properly chosen. Our experiments show that for $N=2^{16}$ and $b=\log^2 N$, FlexProofs can be $6\times$ faster than HydraProofs. Moreover, when combined with suitable zkSNARKs, FlexProofs enable practical applications such as verifiable secret sharing and verifiable robust aggregation.
• Abstract（参考訳）: 本稿では, 1 つの重要な特性を達成する新しいベクトルコミットメント (VC) スキームである FlexProofs を紹介する。(1) 証明者は, 最適な時間に$N$ のベクトルに対して, 個々の開証明を生成できる${\cal O}(N)$ と, より柔軟なバッチサイズパラメータ $b$ と, 2 つの証明を生成する時間を短縮できる柔軟性のあるバッチサイズパラメータ $b$ と, 2 つの多項式として入力を符号化する zkSNARK の族と直接互換である。 重要なビルディングブロックとして,バッチオープニングを伴う多目的化のための最初の機能的コミットメント(FC)スキームを提案する。 すべての証明を最適な時間で計算し、zkSNARKsと直接互換性を持つ唯一のVCスキームであるHydraProofsと比較して、パラメータ$b$が適切に選択された場合、FlexProofsはすべての証明を生成するプロセスを高速化する。 我々の実験によると、$N=2^{16}$と$b=\log^2N$の場合、FlexProofsはHydraProofsより6\times$速い。 さらに、適切なzkSNARKと組み合わせることで、FlexProofsは、検証可能なシークレット共有や検証可能なロバストアグリゲーションなどの実用的なアプリケーションを可能にする。

関連論文リスト

• Efficient Parallel Training Methods for Spiking Neural Networks with Constant Time Complexity [63.56009745101597]
  スパイキングニューラルネットワーク (SNN) はしばしば、$T$スパイクのシーケンシャル処理のために、高い時間複雑性の$O(T)$に悩まされる。 本稿では,ネットワークアーキテクチャを変更することなく,SNNトレーニングを高速化するFPT法を提案する。
  論文  参考訳（メタデータ） (2025-06-10T13:27:27Z)
• ProofWala: Multilingual Proof Data Synthesis and Theorem-Proving [53.67926215943612]
  $rm P Small ROOFW Small ALA$は、ニューラル定理プローサと2つの確立された対話的証明アシスタント(ITP)間の相互作用を可能にする 私たちは、$rm P Small ROOFWsmall ALA$生成のCoqとLeanのデータの組み合わせでトレーニングされたモデルが、標準のprov-at-k$メトリック上で、Lean-onlyとCoq-onlyのモデルを上回っていることを示します。
  論文  参考訳（メタデータ） (2025-02-07T05:35:46Z)
• Provable Scaling Laws for the Test-Time Compute of Large Language Models [84.00141420901038]
  本研究では,大規模言語モデルのテスト時間計算において,証明可能なスケーリング法則を享受する2つのアルゴリズムを提案する。 1つは2段階ノックアウト方式のアルゴリズムで、各候補は複数の相手に対して平均勝利率で評価される。 もう1つは2段階のリーグ方式のアルゴリズムで、各候補は複数の相手に対して平均勝利率で評価される。
  論文  参考訳（メタデータ） (2024-11-29T05:29:47Z)
• SZKP: A Scalable Accelerator Architecture for Zero-Knowledge Proofs [10.603449308259496]
  ZKPは検証可能なコンピューティングにおける創発的なパラダイムである。 証明生成における2つの重要なプリミティブは、Number Theoretic Transform(NTT)とMulti-scalar multiplication(MSM)である。 我々は,チップ上での証明全体を高速化する最初のASICであるスケーラブルなアクセラレータフレームワークであるSZKPを提案する。
  論文  参考訳（メタデータ） (2024-08-12T01:53:58Z)
• Projection by Convolution: Optimal Sample Complexity for Reinforcement Learning in Continuous-Space MDPs [56.237917407785545]
  本稿では,円滑なベルマン作用素を持つ連続空間マルコフ決定過程(MDP)の一般クラスにおいて,$varepsilon$-optimal Policyを学習する問題を考察する。 我々のソリューションの鍵となるのは、調和解析のアイデアに基づく新しい射影技術である。 我々の結果は、連続空間 MDP における2つの人気と矛盾する視点のギャップを埋めるものである。
  論文  参考訳（メタデータ） (2024-05-10T09:58:47Z)
• On the Power of Interactive Proofs for Learning [3.785008536475385]
  我々は、PAC学習を検証するための2倍効率の証明システムの研究を継続する。 任意の関数$f colon 0,1n から 0,1$ までの最大フーリエ文字を任意に小さな誤りまで学習するための対話的プロトコルを構築する。 二重効率証明系を主張しないならば、モデルは自明になる。
  論文  参考訳（メタデータ） (2024-04-11T23:16:21Z)
• SpecTr: Fast Speculative Decoding via Optimal Transport [30.18181671899423]
  このアルゴリズムはデコーディングの高速化を図り、デコードされた出力に品質劣化がないことを保証します。 提案手法は,最先端の大規模言語モデルに対して,標準的なベンチマーク上での投機的復号化よりもさらに1.37倍の高速化である2.13Xのウォールクロック高速化を実現することを実験的に実証した。
  論文  参考訳（メタデータ） (2023-10-23T17:47:34Z)
• TURF: A Two-factor, Universal, Robust, Fast Distribution Learning Algorithm [64.13217062232874]
  最も強力で成功したモダリティの1つは、全ての分布を$ell$距離に近似し、基本的に最も近い$t$-piece次数-$d_$の少なくとも1倍大きい。 本稿では,この数値をほぼ最適に推定する手法を提案する。
  論文  参考訳（メタデータ） (2022-02-15T03:49:28Z)
• Learning algorithms versus automatability of Frege systems [0.30458514384586394]
  我々は,命題証明システムにおける証明探索を自動化する学習アルゴリズムとアルゴリズムを結合する。 十分に強く、よく理解された命題証明システム$P$に対して、以下の文が等価であることを証明する。
  論文  参考訳（メタデータ） (2021-11-20T16:42:55Z)

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。