双盲评测：用安全飞地同时保护评测提示词与模型权重

AI安全评测长期存在双向保密难题：评测方不愿公开私有基准提示词，模型方不愿暴露专有模型权重。一篇arXiv论文提出"双盲评测"方案，通过NVIDIA H100安全飞地在硬件层加密RAM数据，并用OpenMined的PySyft维护数据与模型隐私，为双方提供密码学级别的保密保证。 论文团队进行了首次试点：在Google Cloud Platform的H100安全飞地中，用AILuminate基准的私有题库评测Google DeepMind的专有模型Gemini 2.5 Flash Lite。作者称这是首次有技术方案同时实现一方前沿专有模型权重与另一方封闭基准的互相保密。 对第三方评测机构和监管审计而言，这类方案可能降低接触闭源模型时提示词泄露的风险，也为模型厂商接受独立安全审计提供新的技术路径。