跳到正文
只看论文#Microsoft
  1. GitHub Blog · AI & ML71

    GitHub 发布 AI 代码审查开放基准 ReviewBench

    GitHub 发布 ReviewBench，一个面向 AI 代码审查智能体的离线基准，基于 1.039 亿个 GitHub PR 的分布特征构建，包含 219 个 PR、覆盖 19 种语言，数据集与评分规则公开。

    推荐理由：GitHub 公开了代码审查基准的数据集、评分规则和自测入口，团队可据此对比不同审查智能体并复现结果。

  1. Hugging Face Blog71

    微软 ThinkingBox 发布：按数据库终态而非工具调用给 AI 智能体打分

    微软 Copilot Studio 团队与 Hugging Face 联合发布 ThinkingBox，通过隔离的 MCP 工具会话运行智能体，按终端后端状态和副作用而非生成文本打分，并让每个任务重复 20 次。

    推荐理由：微软与 Hugging Face 联合发布的智能体评测基准，用数据库终态而非工具调用判断成败，并给出 20 次重复下的稳定性与成本数据。

已经到底了