零知识证明（ZKP）允许证明者在不泄露私有数据的情况下向验证者证明计算正确性，兼顾隐私与可验证性。然而，证明生成过程计算密集，主要涉及多项式（POLY）和椭圆曲线（EC）运算。这两类工作负载对硬件加速提出两个关键挑战：高效支持多种大精度模乘运算，以及在动态切换的 POLY 和 EC 阶段之间保持高利用率。现有可重构加速器仅部分解决这些问题，在精度可扩展性、算法灵活性和资源效率方面仍有限。为克服这些局限，本文提出 ZK-Flex，一个灵活可扩展的软硬件协同设计框架。软件层包含 POLY 和 EC 优化器，通过硬件和工作负载感知的算法选择减少计算量；硬件层集成 TCore（基于 Toom-Cook 的多精度核），配备灵活的网络互连和链表内存机制，在有限内存容量下提高并行度。在代表性 ZKP 基准测试中，ZK-Flex 相比现有技术实现 5 到 11 倍加速，面积效率提升高达 3.8 倍，为高性能可重构 ZKP 加速奠定新基础。

该论文提出了Hyena，一个针对同态加密（HE）推理的硬件/软件协同优化框架。同态加密允许在加密数据上进行计算，但计算开销巨大，是实际部署的主要障碍。Hyena采用混合HE与多方计算（MPC）方案，相比纯全同态加密（FHE）更实用。论文从三个层面提出创新：一是新的数据打包技术，减少数据移动；二是新的数据流，增加数据复用并减少昂贵的HE操作（如旋转、密钥切换、NTT转换）；三是在一个平衡的流水线架构上评估Hyena，该架构高效处理上述原语。实验结果表明，与广泛使用的Channel-packing相比，Hyena实现了38倍的性能提升和162倍的能耗降低，在163 mm²的加速器上以16.75 W功耗实现了11.4 ms的ResNet20推理端到端延迟。该工作主要面向硬件架构和隐私计算研究人员，展示了通过创新的打包和数据流设计，可以显著降低HE推理的开销。