事件经过
2026年8月27日，MLCommons发布了一篇博客文章（《值得信赖的AI评估的关键是保密设计》），描述了其作为保留基准提供商在Google DeepMind、AVERI（AI验证与评估研究所）、OpenMined和新加坡AI安全研究所主导的试点中的角色。该试点在硬件认证的安全飞地（Google Cloud Confidential Space / NVIDIA H100 Confidential GPU、OpenMined PySyft）内对Gemini 2.5 Flash-Lite进行了双盲评估，使用了从未使用过的AILuminate AIRR 1.4提示，使得评估者看不到模型权重，开发者看不到基准提示。这本身不是最终标准，而是来自公认的AI基准测试联盟（MLCommons）的方法论演示，明确框架与新兴第三方AI审计要求相关（EU AI Act GPAI行为准则、2028年伊利诺伊州SB 315）。
影响分析
随着司法管辖区向强制性第三方前沿模型审计发展（EU AI Act GPAI CoP、伊利诺伊州SB 315），缺乏协调评估者保密性（基准完整性）与开发者保密性（模型权重）的技术协议一直是结构性缺口。这项由MLCommons作为基准监管者支持的试点是一个早期技术参考点，监管机构、审计师和AI安全研究所在定义可接受的第三方评估架构时可能会参考。
建议行动
观察——暂无采取行动；AI治理/审计团队应跟踪MLCommons或AVERI是否将这一安全飞地协议正式化为可复用的规范或监管计划要求。