Bagel

Bagel 是一個去中心化的機器學習數據湖，旨在解決開源 AI 中數據共享與貢獻者激勵的挑戰。其核心差異在於結合密碼學技術與隱私保護機器學習，使數據與模型貢獻能在不揭露底層專有資訊的情況下被驗證與獎勵。例如，其 ZKLoRA 技術允許開發者證明微調後 AI 適配器的有效性，而不需揭露適配器權重，從而解決模型共享中的信任與歸屬問題。 Bagel 所解決的市場痛點是開源 AI 中的「搭便車」問題：數據或算力的貢獻者往往得不到認可或報酬，阻礙了高品質開放數據集的發展。透過引入密碼學歸屬與激勵機制，Bagel 旨在使數據貢獻成為可驗證且經濟上可持續的活動。 在過去六個月（2026 年 2 月 28 日至 2026 年 8 月 31 日），Bagel 展現了活躍的社群參與與技術進展。它於 2026 年 8 月 27 日在多倫多舉辦了一場機器人與實體 AI 社群活動，此前還在 NVIDIA GTC 週期間於門洛帕克共同主辦了一場關於世界模型的聚會。2026 年 3 月，Bagel Labs 的一篇論文被 CVPR 2026 接收，顯示其在擴散模型開發方面的持續研究貢獻。這些活動反映了 Bagel 專注於圍繞去中心化 AI 基礎設施建立社群，而非純粹的商業推廣。