Google DeepMind 试点首个面向前沿模型的 double-blind AI 评估

Google DeepMind 推出据称全球首个针对专有前沿模型的双盲评估，将外部评测限制在密码学安全的隔离环境中，防止模型提前看到测试题造成基准污染。此次与 Singapore AI Safety Institute、OpenMined、AVERI 和 MLCommons 合作，用机密基准测试一个 Gemini Flash Lite 模型，以提升评估的可信度和完整性。