IT之家 8 月 27 日消息，谷歌宣布推出全球首个针对前沿专有 AI 模型的双盲评估，将外部评估限制在加密“黑箱”环境中，避免模型提前获取测试信息来优化性能。

就像学生考前不能提前看到试题才能真实反映水平一样，当前 AI 模型评估也面临同样问题：如果模型提前接触测试题目（IT之家注：也就是所谓的“基准污染”），评估结果的可信度就会大打折扣。

谷歌联合新加坡人工智能安全研究所、OpenMined、AVERI 以及 MLCommons，在隐私保护环境中对 Gemini Flash Lite 模型进行机密基准测试，提升评估结果的完整性。

传统高风险外部评估一直存在两难困境：要么评估方交出测试提示词，存在模型方提前看到题目的风险；要么模型方交出模型权重，面临知识产权泄露风险。

双盲评估则解决了这一矛盾，通过谷歌云保密计算产品组合中的 Confidential Space，能够通过加密验证，保证外部评估数据和专有模型分别对各自所有者保持隐私：评估方无法看到 Gemini 模型权重，谷歌也无法看到评估方的测试提示词。

这种加密手段可以有效防止基准污染，同时保护敏感数据，对于网络安全或政府机构开展的高敏感度评估尤其重要。双盲评估让独立机构能够在不损害数据主权和安全的前提下，对先进 AI 模型进行严格测试。

谷歌表示，希望这一试点能够为模型监督开辟新方向，帮助整个行业构建更安全、更可靠、更受公众信任的 AI 系统。