首个闭源模型双盲评估落地，Gemini 2.5 参与测试
sethlazar · x · 2026-08-28
AVERI 联合 Google DeepMind、OpenMinedOrg 和 MLCommons 宣布完成首个闭源语言模型的双盲评估。测试对象为 Gemini 2.5 Flash-Lite，使用 MLCommons 的 AILuminate 安全基准集，并在安全飞地中运行以保障隐私。这一机制旨在解决高影响力独立评估中开发者与评估者互不信任的结构性难题。
所属事件:DeepMind 联手多方完成首个闭源前沿模型双盲评估(19 条相关)→
「安全」频道最新
- 传 SK 海力士美国建厂或以美方放宽对华设备出口为条件 — pstAsiatech · 2026-10-15
- Fox-IT 公开 Cobalt Strike Beacon 语料库，威胁狩猎迎来新数据集 — cyb3rops · 2026-10-15
- 美国银行投入4000人修复 Anthropic Mythos 等 AI 发现的漏洞 — The Decoder · 2026-10-15
- SAIF 深度对话：2500 万美元用 AI 重写网络防御经济学，护住小城与学区 — a16z · 2026-10-15
- a16z 联手前白宫网络高管推 SAIF：用 AI 免费守住 1800 家乡村医院 — a16z · 2026-10-15
- AWS 提出 Trust in Depth：让智能体更自主又不失控的分层方法 — AWS ML Blog · 2026-10-15