Double-blind evals: как проверить закрытую AI-модель, не раскрывая веса и тесты
Пилот Google DeepMind и партнёров показывает, как проверять закрытую AI-модель и приватный benchmark внутри аттестованного enclave. Разбираем remote attestation, TCB,...
Тема COMRAD404
Бенчмарки и оценка
2 материалов
AI Index 2026: почему рост бенчмарков ещё не означает надёжный ИИ
Stanford AI Index 2026 фиксирует быстрый рост бенчмарков, но не подтверждает единую траекторию к надёжному «общему» ИИ. Разбираем мартовские snapshot-данные,...