A aprendizagem de máquina com conhecimento zero (zkML) enfrenta um desafio crítico na aplicação: os dados de entrada muitas vezes causam um aumento significativo na escala da prova, o que afeta diretamente a eficiência e escalabilidade do sistema. Alguns projetos encontraram soluções otimizando o processo de geração de testemunhas — realizando um pré-processamento inteligente antes da geração da prova, reduzindo efetivamente os dados redundantes e, assim, comprimindo consideravelmente o tamanho da prova final. Essa abordagem é de grande importância para melhorar o desempenho das provas de conhecimento zero em aplicações práticas, especialmente em cenários sensíveis ao custo em blockchain.