Cet article examine comment le compilateur zkPyTorch lancé par Polyhedra Network intègre le framework AI mainstream PyTorch avec la technologie zk-SNARKs, réduisant le seuil de développement pour ZKML et atteignant une vérification crédible et une protection de la vie privée dans le processus d'inférence d'apprentissage automatique. Il couvre ses trois modules clés (prétraitement, quantification, optimisation de circuit), les technologies clés (DAG, tables de recherche, convolution FFT), les stratégies d'optimisation de circuit à plusieurs niveaux, et met en avant des percées dans les performances et l'exactitude de zkPyTorch à travers des données empiriques de VGG-16 et Llama-3.