zkML нуль-знаннєве машинне навчання стикається з ключовим викликом у застосуванні: вхідні дані часто призводять до значного розширення обсягу доказів, що безпосередньо впливає на ефективність і масштабованість системи. Деякі проекти знайшли рішення, оптимізувавши процес генерації свідчень — проведення розумної попередньої обробки перед створенням доказу, що ефективно зменшує надмірні дані і таким чином значно стискає обсяг фінального доказу. Такий підхід має важливе значення для підвищення продуктивності нуль-знаннєвих доказів у реальних застосуваннях, особливо в ситуаціях, чутливих до витрат на ланцюгу.