Google、AI ベンチマークの信頼性向上へ二重盲検評価をテスト

記事の3ポイント

1. 1

   二重盲検評価の実施

   Google Deepmind は初めて Frontier AI モデルに対して二重盲検評価を試験的に導入し、評価の公平性と信頼性を高める取り組みを開始する。

2. 2

   Confidential Space による保護

   暗号化技術である Confidential Space を活用することで、Google がテスト質問を閲覧できず、かつ評価者がモデルの重み（weights）を確認できない仕組みを構築した。

3. 3

   シンガポール研究所との連携

   このパイロットプロジェクトはシンガポールの AI セーフティ研究所と共同で行われ、Gemini Flash Lite を対象として実施される。