Notes

• Distributed generative AI inference runs on heterogeneous edge devices, where single-point failures or misbehavior can disrupt the entire process.
• Traditional best-effort P2P routing is insufficient, requiring explicit consideration of reliability, performance variability, and trust among peers.
• The G-TRAC framework formulates routing as a "Risk-Bounded Shortest Path" problem and provides a polynomial-time solution.
• The solution combines trust-floor pruning with Dijkstra's search, achieving sub-millisecond median routing latency at practical scales.
• A "Hybrid Trust Architecture" maintains global reputation at stable anchors and disseminates lightweight updates to edge peers via background sync.
• Experiments on a heterogeneous testbed show G-TRAC significantly improves inference completion rates and effectively isolates unreliable peers.

• 分布式生成式AI推理在异构边缘设备上执行，单点故障或恶意行为会破坏整个流程。
• 传统尽力而为的对等路由已不足够，需要显式考虑可靠性、性能可变性和对等节点间的信任。
• G-TRAC框架将路由问题形式化为“风险有界最短路径”计算，并提供了多项式时间解决方案。
• 该方案结合信任下限剪枝与Dijkstra搜索，在实用规模下实现亚毫秒级中位路由延迟。
• 框架采用“混合信任架构”，在稳定锚点维护全局声誉状态，并通过后台同步向边缘节点传播轻量级更新。
• 在异构设备测试床上的实验表明，G-TRAC显著提高了推理完成率，有效隔离了不可靠节点。

• 分散型生成AI推論は異種混合のエッジデバイス上で実行され、単一障害点や不正動作が全体のプロセスを破壊する可能性がある。
• 従来のベストエフォート型P2Pルーティングでは不十分で、信頼性、性能変動、ピア間の信頼を明示的に考慮する必要がある。
• G-TRACフレームワークはルーティングを「リスク境界付き最短経路」問題として定式化し、多項式時間の解法を提供する。
• この解法は信頼下限枝刈りとダイクストラ探索を組み合わせ、実用的規模でミリ秒未満の中央値ルーティング遅延を実現する。
• 「ハイブリッド信頼アーキテクチャ」は安定したアンカーでグローバルな評判状態を維持し、バックグラウンド同期によりエッジピアに軽量な更新を配布する。
• 異種混合テストベッドでの実験では、G-TRACが推論完了率を大幅に向上させ、信頼できないピアを効果的に隔離することが示された。