Orion 已经上线！

Cairo 1.0中的新的ONNX Runtime，一个可验证、完全开源的ML（机器学习）推理框架。让我们深入了解Orion的基本原理及其所提供的内容

随着 ML 模型变得更加复杂并处理越来越多的用例，其输出的完整性将变得核心，特别是在处理高风险决策的应用中，如医学、金融和法律领域。

引入 Validity ML。通过使用 Cairo 编程语言，我们能够创建与 ML 推理（如 Tensor 运算）相关的可证明和可扩展的计算。

Cairo 是一种图灵完备的语言，用于创建可证明的程序进行通用计算它是一种现代的、类似 Rust 的语言，提供了高级抽象和特性，如特性、实现、宏和类型安全。

为了将可证明编程和机器学习的世界融合，我们创建了 Orion：一个为 Validity ML 设计的 Cairo 库。

Orion 利用 Open Neural Network Exchange (ONNX) 和 Cairo 的功能来保证推理的可靠性，为开发者提供了一个用户友好的框架来构建复杂的、可验证的机器学习模型。

ONNX 通过允许来自 PyTorch、TensorFlow 和其他框架的深度学习模型在不同的 AI 框架和平台上进行表示、共享和执行，提高了互操作性，而 Cairo 则能够利用高度可扩展的 STARKs 编写可证明的程序。

Orion 的API（操作符，数值，性能）提供了一系列有效的神经网络计算函数，扩展的数值功能，以及对开发者来说在不牺牲精度的前提下构建更高效、更快的 ML 应用程序的性能增强功能。

有了这个公告，我们正在呼吁贡献者加入我们，一起参与重新定义机器智能的未来。