跳到正文

内容类型

评测基准 最新动态

模型到底谁更强：Benchmark 评测成绩、评测方法的争议与排行榜变化。

1 条精选近 30 天 0 条共收录 4 条

更新

评测基准的精选

10月5日周一第 1–1 条
  1. GitHub Blog · AI & ML65

    GitHub 发布 ReviewBench：面向 AI 代码审查的开源基准

    GitHub 推出 ReviewBench，这是一个用于评估 AI 代码审查智能体的开源离线基准。该基准基于对 GitHub 上 1.039 亿个真实 Pull Request 的分析构建，包含涵盖 19 种语言的 219 个代表性 PR，并采用多源黄金集和独立验证机制。

    推荐理由：原文公开了基于亿级真实PR构建的代码审查基准，提供了可复现的评估方法以量化AI审查器的精度与召回权衡。