FEDSTR: Money-In AI-Out | A Decentralized Marketplace for Federated Learning and LLM Training on the NOSTR Protocol

NOSTR是基于w3c网络套接字标准的社交网络通信协议。虽然它仍处于初期阶段，但已经作为社交媒体协议广为人知，拥有成千上万的可信用户和多个用户界面，提供独特的体验和巨大的能力。 NOSTR应用程序包括但不限于直接消息传递，文件共享，音频/视频流，协作写作，博客和通过分布式AI目录进行数据处理。在本文中，我们提出了一种建立在现有协议结构之上的方法，旨在实现联邦学习和LLM培训的去中心化市场。在这个设计中，有两个角色：一方面是提供数据集以用于训练AI模型的客户，另一方面是服务提供商，他们接收（部分）数据集，训练AI模型，并以支付作为交换，返回优化后的AI模型。 NOSTR的去中心化和抗审查特性使得设计一个公平和开放的AI模型和LLM训练市场成为可能。

建立一个基于NOSTR协议的去中心化市场，用于联邦学习和LLM训练，解决人工智能模型训练的公平和开放性问题。

基于NOSTR协议的去中心化市场，通过客户提供数据集，服务提供商训练AI模型并返回优化后的模型，实现公平和开放的模型训练。

论文提出了一个基于NOSTR协议的去中心化市场，用于联邦学习和LLM训练。该市场具有公平和开放的特点，可以让客户提供数据集并获得优化后的AI模型。实验设计包括客户和服务提供商的交互过程，并使用了NOSTR协议进行通信。

近年来，联邦学习和去中心化市场的研究越来越多。相关论文包括“Federated Learning: Strategies for Improving Communication Efficiency”和“Decentralized Federated Learning: A Segmented Gossip Approach”。