GitHub 与 Microsoft 开放 ReviewBench 评测 AI 代码评审
GitHub 和 Microsoft 于 2026 年 10 月 5 日开放研究预览版 ReviewBench，用于评测 AI 代码评审智能体。该基准包含来自 187 个公开仓库、19 种语言的 219 个 pull request，语言和仓库规模分布基于对 GitHub 上 1.039 亿个 pull request 的分析，并刻意提高了实质性改动的占比。
#论文/研究
#论文/研究
今日 0 条Tproger · ПрограммированиеAI 评分5858 GitHub Blog · Copilot精选AI 评分6666 GitHub 发布 AI 代码评审开放基准 ReviewBench
GitHub 发布代码评审离线基准 ReviewBench，基于 1.039 亿个 GitHub PR 的分布特征，构建了覆盖 19 种语言、219 个公开 PR 的评测集，并公开数据集、评分规则与 LLM 评审模型配置。
推荐理由：GitHub 公开了 AI 代码评审基准的数据集、评分规则与评测入口，读者可据此对比不同评审智能体。
AINLPAI 评分7171 微软与 UCSB 提出 ScholarEvolve：用论文进化 Agent Harness
微软与加州大学圣巴巴拉分校研究者公开论文 ScholarEvolve，从已发表的 Agent 研究中寻找改进思路，写进 Harness 后用真实任务检验，执行任务的模型保持不变。
青稞AIAI 评分2929 V-Rubrics 用 35 万条细粒度准则细化多模态强化学习奖励
南洋理工大学 S-Lab、A*STAR 和 UIUC 团队提出 V-Rubrics，将 50,248 个视觉样本拆成 352,938 条可逐项检查的准则，让视觉事实、推理步骤和任务要求分别参与奖励计算。
Hacker News · Agent SkillsAI 评分3737 WikiSkill：将 Agent 经验编译为持久知识以演化 Skill
WikiSkill 是一个让 Agent Skill 与持久知识库（wiki）协同演化的框架，它把原始执行经验、累积知识和可执行 Skill 分离，并持续将经验沉淀进 wiki 供后续 Skill 更新使用。