Mira 协议如何透过去中心化共识机制，让 AI 更诚实？

作者：Messari

编译：Elponcho，链新闻

在生成式 AI 蓬勃发展的今天，我们仍难以解决一个根本问题：AI 有时会一本正经地胡说八道。这种现象在业界被称为“幻觉”（hallucination）。而 Mira，一个专为 AI 输出验证而设计的去中心化协议，正试图透过多模型共识机制与加密审计，为 AI 增加“事实可信度”。以下，我们来看 Mira 是如何运作的、为什么它比传统做法更有效，以及它目前在真实应用中的成果。

本报导内容根据 Messari 发布的研究报告整理撰写。

去中心化的事实验证协议：Mira 的基本运作原理

Mira 并不是一个 AI 模型，而是一个嵌入式的验证层。当一个 AI 模型产出回应后（例如 chatbot 回答、摘要、自动化报告等），Mira 会将输出拆解成一连串独立的事实主张。这些主张会被送往其分散式验证网路，每个节点（即验证者）各自运行不同架构的 AI 模型，来评估这些主张是否为真。

每个节点都会针对主张给出“正确”、“错误”或“不确定”的判断，最后系统依据多数共识来做出总体决策。若大多数模型认可某个主张为真，该主张就会被核准；否则就会被标注、驳回，或提示警告。

这个过程完全透明、可审计。每一笔验证都会产生一个加密证书，标明验证过程中参与的模型、投票结果、时间戳记等，供第三方查验。

为什么 AI 需要像 Mira 这样的验证系统？

生成式 AI 模型（如 GPT、Claude）并不是决定论式的工具，它们是依照机率预测下一个字元，并不具备内建的“事实感知”。这样的设计让它们可以写诗、讲笑话，但也意味着：它们可能一本正经地制造虚假资讯。

Mira 提出的验证机制，正是要解决 AI 目前的四大核心问题：

1. 幻觉泛滥：AI 编造政策、虚构历史事件、乱引文献的案例层出不穷。

2. 黑箱运作：使用者不知道 AI 的答案从何而来，无法追溯。

3. 非一致性输出：同样的问题，AI 可能给出不同答案。

4. 中心化控制：目前大多数 AI 模型由少数几家公司垄断，用户无法查证其逻辑或争取第二意见。

传统验证方法的局限

目前的替代方案，例如人类审查（Human-in-the-loop）、规则式过滤器、模型自我校验等，都各有不足：

• 人工审查难以规模化，速度慢且成本高。

• 规则式过滤局限于预定场景，对创造性错误无能为力。

• 模型自审效果差，AI 经常对错误答案过度自信。

• 集中式 Ensemble虽然能交叉检查，但缺乏模型多样性，容易形成“集体盲点”。

Mira 的创新机制：结合共识机制与 AI 分工

Mira 的关键创新是将区块链共识概念引入 AI 验证。每一笔 AI 输出，在经过 Mira 后，会变成多个独立的事实陈述，由各式 AI 模型进行“投票”。只有在超过一定比例模型达成一致时，该内容才会被视为可信。

Mira 核心设计优势包括：

• 模型多样性：来自不同架构与数据背景的模型，降低集体偏误。

• 错误容忍：即使部分节点出错，也不会影响整体结果。

• 全链透明：验证纪录上链，可供审计。

• 可扩展性强：每日可验证超过 30 亿 tokens（约等于数百万段文字）。

• 无需人为干预：自动化进行，不需人工验证。

去中心化基础建设：节点与计算资源由谁提供？

Mira 的验证节点由全球去中心化计算贡献者提供。这些贡献者被称为 Node Delegators (节点委任者)，他们不直接操作节点，而是将 GPU 运算资源出租给经过认证的节点营运者。这种“计算即服务”模式大幅扩展了 Mira 的可处理规模。

主要合作节点供应商包括：

• Io.Net：提供 DePIN 架构 GPU 计算网。

• Aethir：专注于 AI 与游戏的分散式云端 GPU。

• Hyperbolic、Exabits、Spheron：多家区块链计算平台，也为 Mira 节点提供基础设施。

节点参与者需通过一项 KYC 视讯验证程序，以确保网路唯一性与安全性。

Mira 验证让 AI 正确率提升至 96%

根据 Messari 报告中的 Mira 团队数据，透过其验证层过滤后，大型语言模型的事实正确率从 70% 提升至 96%。在教育、金融、客服等实际场景中，幻觉内容的出现频率下降了 90%。重要的是，这些改进完全不需重新训练 AI 模型，仅透过“过滤”就能达成。

目前 Mira 已整合至多个应用平台中，包括：

• 教育工具

• 金融分析产品

• AI chatbot

• 第三方 Verified Generate API 服务

整个 Mira 生态系涵盖超过 450 万名用户，每日活跃使用者达 50 万人以上。虽多数人未直接接触 Mira，但他们的 AI 回应，早已悄悄经过其背后的验证机制。

Mira 打造 AI 的可信任基础层

在 AI 产业日益追求规模与效率的同时，Mira 提供了一个新方向：不靠单一 AI 决定答案，而是靠一群独立模型来“投票定真”。这样的架构不仅让输出结果更可信，也建立起一种“可验证的信任机制”，并且具备高度可扩展性。

随著用户规模扩大与第三方审核渐趋普及，Mira 有潜力成为 AI 生态中不可或缺的基础设施。对于任何希望其 AI 能在真实世界应用中站得住脚的开发者与企业，Mira 所代表的“分散式验证层”或许正是关键拼图之一。