Google DeepMind 試行雙盲 AI 評估：用加密隔離減少基準污染
Google DeepMind 試行雙盲 AI 評估：用加密隔離減少基準汙染
事件確認
Google DeepMind 與新加坡 AI Safety Institute、OpenMined、AVERI 及 MLCommons，完成一項針對 Gemini 2.5 Flash-Lite 的雙盲評估試行。測試在機密運算環境內進行：模型權重不向外部評估者公開，Google 亦無法讀取未公開的測試提示。雙方先核對執行程式，再透過遠端證明確認受保護環境，目標是降低測試題外洩、模型事前針對基準調整，以及封閉模型無法接受獨立檢驗的問題。
為何重要
傳統封閉模型評估存在兩難：把題目送到供應商 API，供應商便可能接觸敏感基準；把模型交給第三方，又會暴露權重及推理程式。這次流程證明，可信執行環境可以讓兩類資產在不互相公開的情況下完成測試。The New Stack 報道指，單張 H100 測試的運算開銷低於 5%，較大的實務障礙反而是法律協議、程式審查及環境驗證。
判斷與限制
雙盲只提高「模型未預先看過考題」的可信度，不能保證基準本身有效、覆蓋完整或不會被取巧。現階段亦只是單一模型與有限合作方的試行，尚未成為跨供應商標準。若方法要支援監管或高風險安全評估，後續還需公佈可重現的環境建置、證明鏈及更大模型的多 GPU 測試結果。