TRUST：去中心化AI服务框架 v.0.1

高风险领域中的大型推理模型（LRM）与多智能体系统（MAS）需要可靠的验证，而中心化方法存在四大局限：(1) 鲁棒性不足，单点故障易受攻击与偏见影响；(2) 可扩展性受限，推理复杂度造成瓶颈；(3) 不透明，隐蔽的审计侵蚀信任；(4) 隐私风险，暴露的推理痕迹可能导致模型窃取。我们提出TRUST（Transparent, Robust, and Unified Services for Trustworthy AI），一个包含三项创新的去中心化框架：(i) 分层有向无环图（HDAG），将思维链推理分解为五个抽象层级以支持并行分布式审计；(ii) DAAN协议，将多智能体交互投影为因果交互图（CIG）以实现确定性的根因归因；(iii) 计算校验器、LLM评估者与人类专家之间的多层共识机制，采用按利益权重加权的投票，可在30%对抗参与下保证正确性。我们证明了一个安全-盈利定理，确保诚实审计者获利而恶意行为者蒙受损失。所有决策均记录在链上，而隐私即设计的分段机制防止专有逻辑被重构。在多个LLM与基准上，TRUST达到72.4%的准确率（高出基线4-18个百分点），并在20%损坏下仍保持韧性。DAAN实现70%的根因归因（标准方法为54-63%），并节省60%的token。人类研究验证了该设计（F1 = 0.89，Brier = 0.074）。该框架支持(A1)去中心化审计、(A2)防篡改排行榜、(A3)免信任数据标注与(A4)受治理的自主智能体，开创了去中心化AI审计，以实现具备推理能力的系统安全、可问责的部署。