arXiv发文：基于Viterbi跟踪检测数据中心大模型训练
热点事件持续更新
arXiv发文：基于Viterbi跟踪检测数据中心大模型训练
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
2026年10月23日，arXiv计算机科学（cs.AI）板块发布了一项关于数据中心电力监测的研究成果。该研究提出了一种基于Viterbi跟踪的被动电力监测方法，旨在在运营者不配合（即不信任运营者）的前提下，检测数据中心内同步进行的大语言模型训练行为。 在模拟数据实验中，该方法展现了较高的检测效能与可靠性。若运营者不采取伪装措施，该方法对推理负载的虚假告警率可控制在1%，且能检测出超过96%的训练运行。即便运营者采取对抗性的隐藏策略，该方法在每日仍至少有87%的训练行为能被发现。这种高检测率是以增加算力开销为代价的，额外算力开销在93%至267%之间。
AI 根据报道生成 · 2 小时前更新
最新进展10月23日 12:00
数据中心电力监测检测 AI 模型训练的方法研究报道时间线
沿着报道，了解事件的不同侧面。
10月23日
- arXiv · AI数据中心电力监测检测 AI 模型训练的方法研究
研究提出一种基于 Viterbi 跟踪的被动电力监测方法，可在不信任运营者的前提下检测数据中心内同步的大模型训练行为。 在模拟数据中，若运营者不伪装，该方法对推理负载的虚假告警率控制在 1%，且 96% 以上训练运行被检测；即便面对对抗隐藏策略，每日仍至少有 87% 的训练被发现，代价是 93–267% 的额外算力开销。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 910月23日 15:00
- 近 24 小时变化
- –
02.557.510
15:0016:0017:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。