Zama 团队发布了 TFHE-rs (v0.11)、Concrete (v2.9)、Concrete ML (v1.8) 和 fhEVM (v0.6) 的新版本。

Concrete ML v1.8 发布，旨在实现去中心化的私有 LLAMA 微调。此版本改进了 LLM 混合微调的速度和可用性，通过优化的 FHE 后端和新的低秩近似 API。Concrete ML 现在支持 Python 3.12，确保与最新的工具和框架兼容。该版本还提供了一个更好的 API，用于在加密数据上微调 LLM，并添加了一个优化的 FHE 后端，加速了计算。

Concrete v2.9 版本发布，增强了 TFHE-rs 互操作性，扩展了对有符号整数的支持，并完全支持张量的序列化和反序列化，从而支持更复杂的用例，例如运行线性机器学习模型。此外，该版本还增加了对 Python 3.12 的支持，并包含各种优化和错误修复，以及对 GPU 内核的更新，从而略微提高了大型 FHE 评估的性能。

Concrete ML v1.8 发布，主要改进了LLM混合微调的速度和可用性，通过优化的FHE后端和新的低秩逼近API，实现了在加密数据上进行隐私保护的LLM微调。该版本还支持Python 3.12，提供了一个更高效的LLM微调API，并利用GPU加速编译模型的评估过程，降低了成本和延迟。

fhEVM v0.6 版本引入了扩展类型支持、具有证明能力的更强大的输入机制以及增强的 fhEVM 部署可配置性。其中最令人兴奋的创新是 fhEVM Coprocessor，开发者现在可以在任何 EVM 链上构建机密智能合约，目前已在 Sepolia 测试网上启动。此外，还提供了一些链接，可以帮助大家更好地了解 fhEVM Github存储库、fhEVM 文档等。

Zama发布了fhEVM Coprocessor，这是一种允许开发者在任何EVM链上构建保密智能合约的工具，无需更改底层协议。它通过符号执行和阈值解密技术，实现了在加密数据上运行智能合约，同时保证了高性能和可扩展性，并提供了使用Solidity进行开发的简易性。

Zama宣布与摩根大通的Kinexys合作，成功完成了基于全同态加密（FHE）技术的概念验证项目，该项目专注于金融领域的隐私保护。通过fhEVM，实现了在以太坊智能合约上的加密交易，确保投资者在基金认购、二级市场交易、原子结算和KYC/AML合规等场景中的数据隐私和安全。

本文介绍了Suffragium，一个利用零知识证明（ZKP）和全同态加密（FHE）构建的链上加密投票系统，该系统利用Zama的fhEVM来保护投票的隐私性、完整性和可验证性。Suffragium旨在通过加密技术，实现安全、私密且防篡改的投票过程，同时确保投票结果的透明和可信。

新加坡国立大学（NUS）的一组计算机科学学生在 TikTok TechJam 2024 上使用 Zama 的 Concrete ML 和全同态加密 (FHE) 技术，开发了一个广告服务系统，展示了 FHE 如何为在线广告开创一个尊重隐私的新时代。该项目名为 AnonymousAds，旨在保护用户隐私的前提下，实现个性化广告投放。

Concrete ML v1.7 版本发布，引入了多项新功能，包括在加密数据上微调 LLM 模型和神经网络，利用 GPU 加速提升加密推理的性能（最高可达 1-2 倍），以及展示了一个通过加密 DNA 预测祖源的 Hugging Face space 示例。此外，该版本还支持 Python 3.11 和 PyTorch 2。