В этой статье рассматривается, как компилятор zkPyTorch, запущенный Polyhedra Network, интегрирует основную AI платформу PyTorch с технологией zk-SNARKs, снижая порог разработки для ZKML и обеспечивая надежную проверку и защиту конфиденциальности в процессе вывода машинного обучения. В статье охватываются три его основных модуля (предобработка, квантизация, оптимизация схем), ключевые технологии (DAG, таблицы поиска, свертка FFT), стратегии многоуровневой оптимизации схем и демонстрируются прорывы в производительности и точности zkPyTorch на основе эмпирических данных из VGG-16 и Llama-3.