随着技术的发展，AI模型的评估方法也在不断演变。谷歌于8月27日宣布，他们推出了一种全球首创的双盲评估机制，专为前沿的专有AI模型设计。这一方式在加密的“黑箱”环境中进行外部评估，从而有效避免模型在测试前获取到任何测试信息的机会，以此来提高评估的公正性和准确性。就如同学生在考试前不应事先接触试题，才能真实反映他们的水平，AI模型的评估同样面临信息提前透露的问题，若模型提前了解测试内容，便会导致所得到的评估结果失去可信度。

谷歌与新加坡人工智能安全研究所、OpenMined、AVERI及MLCommons等合作，在一个保护隐私的环境中对Gemini Flash Lite模型开展机密的基准测试，以增强评估结果的完整性。往常，针对高风险的外部评估常常陷入进退两难的境地，要么评估方将测试提示词交出，可能导致模型提前接触测试内容的风险；要么模型方交出模型权重，则可能面临知识产权的泄露。双盲评估通过谷歌云的保密计算产品系列中的Confidential Space，成功破解了这一难题。该技术通过加密验证，确保外部评估数据和专有模型对各自所有者保持隐私，评估方不能查看Gemini模型的权重，而谷歌也无法获知评估方的测试提示词。

这样的加密手段不仅能有效防止基准污染，还能保护敏感数据，对于进行敏感性高的网络安全或政府机构的评估尤为关键。双盲评估使独立机构得以在不损害数据主权和安全的前提下，对先进的AI模型实施严格的测试。谷歌表示，希望这一试点为模型监督开辟新的方向，助力整个行业建立一个更安全、更可靠、更受公众信任的AI体系。