全球首例双盲AI评估试运行

谷歌DeepMind今日宣布，携手新加坡AI安全研究所、OpenMined、AVERI及MLCommons等机构，推出全球首个针对专有前沿AI模型的双盲评估机制。该机制将外部评估内容置于一个加密“盒子”中，确保模型在正式测试前无法接触或利用这些题目，从而规避“基准污染”问题——即模型若提前“瞥见”考题，其成绩便无法真实反映能力。这一举措直击AI评测领域的信任痛点，为行业树立了新的安全标杆。 背景在于，随着AI模型能力跃升，基准测试的公正性日益受到质疑。传统上，外部测试提示词依赖零日志协议和合同约束来保密，但技术漏洞仍可能让模型通过训练数据或微调过程“偷看”题目，导致分数虚高。此次引入的加密环境，从技术层面封堵了这一路径：评估数据在加密状态下运行，模型无法在测试前学习或优化，确保结果纯粹反映其真实水平。对政策制定者、研究机构及企业而言，这意味着AI能力评估的可信度大幅提升，尤其在安全性和合规性审查中，能有效防止“应试型”模型蒙混过关。 对中国跨境电商卖家和AI从业者而言，这一进展释放了重要信号：AI评测正从“自我声明”走向“第三方验证”。卖家在选用AI工具（如客服机器人、选品分析模型）时，可更依赖客观基准数据，而非厂商宣传；AI开发者则需关注评测标准升级，避免依赖“刷题”式优化。谷歌此次与多国机构合作，也暗示未来AI安全评估可能成为国际准入门槛，出海企业应提前布局，确保所用模型符合更高透明度和可验证性要求。