Google DeepMind 试点双盲 AI 评测，以密码学隔离防止基准污染

Google DeepMind 推出针对前沿专有模型的双盲评测试点，将外部测试置于密码学安全的隔离环境，避免模型事后利用测试题优化基准表现。试点由新加坡 AI 安全研究院、OpenMined、AVERI 和 MLCommons 合作，使用 Gemini Flash Lite 模型测试保密基准，以补充内部评估和外部压力测试。