DeepMind 启动全球首个专有模型双重盲检评估

heiga_zen · x · 2026-08-28

为解决 AI 评估中的“基准测试污染”难题，Google DeepMind 启动了针对专有模型的双重盲检评估试点。传统评估常面临测试题泄露或模型权重公开的知识产权风险。DeepMind 利用 Google Cloud 的 Confidential Space，在加密保护的隔离环境中执行评估，使第三方在不接触模型权重、模型方也不得见测试题的情况下完成验证。该项目联合了新加坡 AI 安全研究院、OpenMined 等机构，并对 Gemini Flash Lite 进行了机密基准测试。此举有望在保障机密性的同时，大幅提升外部评估的完整性与可信度。