热点事件持续更新

论文提出用数据中心功耗检测 AI 训练

1 篇报道1 个报道来源22 小时前更新

先了解这件事

AI 综述

Tom Kimpson、Mauricio Baker 和 Emlyn Graham 提交了一篇论文，提出用 Viterbi 跟踪数据中心电力信号中的迭代节奏来检测大型模型训练；在模拟数据中心功耗、训练方未刻意隐藏且电表采样率至少为 2 Hz 的条件下，该方法以 1% 误报率检测出至少 96% 的训练运行，结果接近 Neyman–Pearson 最优检测器。论文还测试了 8 种隐藏策略。结果显示，只有大幅改变每次迭代的工作量可能规避跟踪；在小规模训练中，这种策略需额外增加 93% 至 267% 的计算量，才能达到相同损失。

AI 根据报道生成 · 1 小时前更新

最新进展10月23日 12:00

用数据中心电力信号检测 AI 训练

报道时间线

沿着报道，了解事件的不同侧面。

10月23日

12:00
arXiv · Machine Learning
用数据中心电力信号检测 AI 训练
研究者提出通过 Viterbi 跟踪变化中的迭代节奏，从设施级电力信号中检测大型模型训练，在采样率至少为 2 Hz、1% 误报率下可检测至少 96% 的训练运行。针对 8 种隐藏策略，只有极端改变每次迭代工作量能规避跟踪；该策略在小规模训练中需要额外 93%--267% 的计算量才能达到相同损失。论文链接：https://arxiv.org/abs/2610.30182

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。