谷歌DeepMind双盲评估试点发布 密码学黑盒隔离模型与题库

谷歌DeepMind于2026年8月27日发布了全球首个前沿AI模型双盲评估试点报告。报告显示，外部机构提供私有题库，Google提供Gemini Flash Lite模型权重，二者均封入基于Google Cloud Confidential Space与NVIDIA H100的可信执行环境。

事实还原

此次试点由新加坡AI安全研究院、MLCommons、OpenMined和AVERI参与。评测方无法看到Gemini Flash Lite模型权重，Google无法看到外部机构的测试题目。双方通过密码学“黑盒”实现隔离，防止模型提前接触题目导致的基准污染。

机制拆解

传统高风险外部评估存在权衡：评估方需提交测试提示，存在模型提供方提前获知题目的风险；或模型提供方提交权重，存在知识产权泄露风险。双盲评估通过Confidential Space实现密码学验证，使双方数据保持私有。评估过程在可信执行环境中运行，输出结果不泄露原始输入。

该方法将外部评估限制在密码学“黑盒”内，避免模型后续利用测试问题优化性能。

产业影响

随着AI模型能力提升，模型提前看到测试问题会人为抬高分数，削弱基准可信度。双盲评估为政策制定者、研究者和企业提供更可靠的能力与安全评估，尤其适用于网络安全或政府相关敏感测试。它减少了零日志协议和合同保障之外的技术漏洞。

战略判断

【分析】该试点若被行业采纳，可能改变现有排行榜方法论，促使更多机构转向密码学隔离方案以维护评估独立性。但其实际推广仍取决于其他模型提供方是否愿意开放类似环境，以及执行环境对计算效率的影响。

此次合作显示，Google在外部评估中引入技术保障，旨在平衡模型保护与评估透明度。未来类似框架或扩展至更多前沿模型评估场景。