Baru-baru ini tim @SentientAGI menyerahkan jawaban yang sangat kuat di workshop Lock-LLMs di NeurIPS 2025 — makalah "OML: Cryptographic Primitives for Verifiable Control in Open-Weight LLMs" mengusulkan satu set metode baru untuk kontrol verifiable pada model besar sumber terbuka: OML (Open Model License / Ownership Marking Layer).

Sorotan inti sangat intuitif: mengintegrasikan logika kontrol ke dalam jalur inferensi model, sehingga model sumber terbuka dapat berjalan dengan aman dan dapat diverifikasi. Desain tiga lapisnya sangat mengesankan:
1️⃣ Verifikasi: Bukti nol-pengetahuan menjamin bahwa setiap panggilan sah;
2️⃣ Wajib: TEE (Lingkungan Eksekusi Tepercaya) mencegah penghindaran;
3️⃣ Monetisasi: Menggabungkan blockchain dan NFT untuk mewujudkan pelacakan pendapatan model.

Berbeda dengan watermark tradisional, OML dapat tetap mempertahankan kemampuan kontrol di bawah kotak putih, eksperimen menunjukkan akurasi di atas 97% dalam distilasi model dan deteksi pencurian parameter, dengan kehilangan kinerja kurang dari 2%. Bisa dikatakan, ini adalah titik balik kunci dalam pemerintahan keamanan model terbuka.

Menariknya, OML membagi model menjadi dua peran besar: bidang kontrol dan bidang data:
Kontrol bidang bertindak seperti pengawas yang ketat, mengelola siapa yang dapat memanggil model, mematuhi kebijakan mana, mencatat setiap operasi, dan menghasilkan daftar operasi yang ditandatangani serta log audit yang tidak dapat diubah;

Data plane fokus pada "bekerja", memproses tokens, tanpa mencampuri urusan lain.

Pembagian kerja ini memungkinkan model untuk beroperasi secara lokal tanpa bergantung pada API terpusat, sambil memastikan bahwa otorisasi, pelacakan, dan audit dapat dikendalikan sepenuhnya. Sentient telah menyematkan 24.576 pasangan kunci-respons dalam versi fine-tuning Llama-3.1-8B, menjaga kinerja tetap stabil, dan tetap efektif setelah fine-tuning, distilasi, atau penggabungan, benar-benar memberikan model AI "tanda tangan" dan perlindungan hak cipta.

Sementara itu, LiveCodeBench Pro dari Sentient membawa kemampuan pemrograman AI kembali ke medan perang yang nyata:
Soal pemrograman tingkat tinggi, tingkat keberhasilan AI hampir nol; dari membaca soal, merancang solusi, menghasilkan kode hingga kompilasi dan eksekusi, setiap tahap mengikuti standar kompetisi algoritma dengan ketat; mencakup soal kompetisi otoritatif seperti Codeforces, ICPC, IOI, menggunakan sistem penilaian kesulitan dinamis Elo; replikasi lokal, pengujian tersembunyi, dan pembuatan log lengkap, memungkinkan kemampuan model untuk diverifikasi dan dilacak.

Dalam pencarian skor tinggi dan keterampilan pengingat oleh AI generatif saat ini, LiveCodeBench Pro adalah cermin yang jelas, menunjukkan batasan nyata model dalam pemahaman algoritma, logika jangka panjang, dan kontrol kompleksitas, menjadikan "model dapat menulis kode" bukan lagi sekadar nama kosong.

@SentientAGI sedang menggunakan OML dan LiveCodeBench Pro, merombak standar keamanan, kontrol, dan kemampuan AI. Model terbuka kini memiliki perlindungan hak cipta, pemrograman AI memiliki ruang ujian yang nyata, ini adalah tonggak penting untuk AGI sumber terbuka yang didorong oleh komunitas.

#KaitoYap @KaitoAI #Yap #Sentient