← AI 動態
The Decoder
防AI作弊！Google推雙盲測試確保跑分可信度
AI模型跑分常因訓練時「看過考題」而失真。Google首創以密碼學技術進行雙盲測試，確保AI無法提前偷看考題，讓基準評估結果更加真實可信。
AI評測
基準污染
雙盲測試
評估 AI 能力時，我們常依賴各種基準測試（Benchmarks）。然而，由於現在的 AI 訓練資料庫極大，模型很可能在訓練時就已看過測試題目。若應試者早知道考題，拿滿分也毫無意義，這在 AI 領域被稱為「基準污染（Benchmark contamination）」問題。
為解決此痛點，Google DeepMind 與新加坡 AI 安全研究所等夥伴合作，對 Gemini 模型展開首次「雙盲評估」試驗。該計畫透過 Confidential Space 密碼學技術，確保 Google 無法提前看到測試考題，同時評估者也無法窺探模型內部的權重，達到真正的雙向保密與考試公平。
這項技術對一般大眾而言也極為重要。隨著 AI 深入我們的日常生活與工作，我們必須確信這些模型的真實能力與安全性，而非僅是「死背考題」的假象。透過客觀且具防弊機制的雙盲測試，未來推出的 AI 產品將更加可靠且值得信賴，這也是落實 AI 治理與負責任 AI 的關鍵一步。