# Google DeepMind 试点全球首个双盲 AI 评测

> 原标题：Piloting the world's first double-blind AI evaluations

- 来源：Google DeepMind
- 发布时间：2026-08-27T12:59:16.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/mgwzchjqcdv4eg46qmlgkmwo1
- 原文：https://deepmind.google/blog/piloting-the-worlds-first-double-blind-ai-evaluations/

## 摘要

Google DeepMind 宣布推出全球首个针对专有前沿 AI 模型的双盲评测，将外部评测限制在加密环境中，避免模型提前接触测试题目。该试点与新加坡 AI 安全研究所、OpenMined、AVERI 和 MLCommons 合作，在隐私保护环境下用保密基准测试 Gemini Flash Lite 模型。Google 称此举针对基准污染问题，在零日志协议和合同保障之外增加了技术与加密层面的保护。

## 推荐理由

Google DeepMind 与新加坡 AI 安全研究所等机构合作，把外部评测放进加密环境，让模型在测试前接触不到保密基准题目，以应对基准污染问题。

## 锐评

双盲评测这个方向没问题，但拿 Gemini Flash Lite 来试点，说服力有限。基准污染最严重的是各家拿来打榜的旗舰模型，Flash Lite 这种小模型本来就不是刷分主力，测出来干净也证明不了什么。加密环境、零日志、保密基准这套机制本身没毛病，OpenMined 和 MLCommons 也算靠谱的合作方，可信任得靠旗舰模型进盒子来建立，先挑一个最不容易出问题的型号，我的评价是这更像一次流程演示。
