谷歌推出全球首个双盲 AI 评估技术，基于加密环境保障基准测试公正性

谷歌联合多家机构推出全球首个针对前沿专有 AI 模型的双盲评估，依托加密隐私环境避免基准污染，同时保护双方数据安全，提升 AI 模型评估的可信度。

OpenAI 挑战 AI 评测基准 SWE-Bench Pro：约 30% 存在评测缺陷

OpenAI 昨日（7 月 8 日）发布博文，挑战行业权威评测基准 SWE-Bench Pro，认为在 731 个公开测试任务中，约 30% 存在评测缺陷。