NIST推出隔离式AI技术评测环境AITE，首批测评视觉语言模型

美国国家标准与技术研究院（NIST）在7月27日宣布设立“人工智能技术评测”（AITE）项目，由其信息技术实验室下属的技术测试与评估部运行。该项目提供一个隔离的测试环境，让研究者在不同数据类型和主题上衡量AI模型表现，并通过隔离机制降低训练数据与测试数据相互污染的风险，以保证评估的严谨与客观。AITE设两条参与通道：数据提供方贡献原创、专有的数据集并定义评测任务，可获得头部模型在其任务上的表现结果；模型提供方提交系统接受测试，获得跨数据集的横向表现对比，同时确保评测数据与训练过程相互分离。项目初期聚焦三类图像分析任务，均使用大型视觉语言模型，分别面向量子科学、基因组学与公共安全应用。

随着模型宣称的能力越来越多，缺乏独立、可防污染的第三方评测，使企业和用户难以判断其真实水平。由公共机构提供隔离测试环境，把“谁来出题、数据如何保密、如何防止刷分”制度化，能为AI能力比较提供更可信的基准，也为后续监管、采购和研究留下可核验的证据。

模型开发商、需要采购AI能力的科研机构与政府部门，以及量子科学、基因组学和公共安全等专业领域最直接相关；标准化评测若被广泛采用，可能影响模型选型、宣传口径和合规要求，也会提高对高质量专有评测数据集的需求。