Google DeepMind 为其 Gemini 2.5 Flash Lite 模型开发了一种新颖的双盲评估方法。该方法隐藏了 AI 模型和测试问题,以防止数据泄露并确保更准确的性能评估。试点项目利用 Google Cloud Confidential Space 进行增强加密,优先考虑评估过程的完整性。 AI
影响 这种新颖的评估方法有望为整个行业带来更值得信赖的 AI 基准和更透明的模型开发。
排序理由 该项目描述了一种新的 AI 模型评估方法,这是一个研究里程碑。[lever_c_demoted from research: ic=1 ai=1.0]
在 Mastodon — mastodon.social 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →