Google DeepMind 试点双盲 AI 评测以应对基准测试污染

Google DeepMind 宣布试点双盲 AI 评测方案，利用密码学安全环境防止前沿专有模型在测试前获取题目，以解决基准测试污染问题。团队联合新加坡 AI 安全研究所、OpenMined、AVERI 与 MLCommons，在隐私保护环境中对 Gemini Flash Lite 模型进行机密基准测试。该机制通过技术与密码学保障替代单纯的合同与日志约束，提升模型能力评测的完整性与可信度。