GitHub 发布 AI 代码审查开源基准 ReviewBench
GitHub 发布代码审查开源基准 ReviewBench，基于 1.039 亿个 GitHub PR 的分布特征构建，包含来自 187 个开源仓库、覆盖 19 种语言的 219 个 PR。
推荐理由：GitHub 公开了代码审查基准的数据构成与评分方法，读者可据此理解智能体代码审查的离线评测口径。
#Microsoft
GitHub Blog · AI & ML精选AI 评分6060
Hugging Face Blog精选AI 评分6666 Microsoft ThinkingBox：按数据库终态给 AI 智能体打分
Microsoft 与 Hugging Face 联合发布 ThinkingBox，按智能体在隔离 MCP 会话中留下的数据库终态与副作用打分，而非看它生成的回答，已在 Hugging Face 开放框架与数据集。
推荐理由：论文给出 507 个有状态业务流程各跑 20 次的一致性数据，可据此判断智能体可靠性的真实水位。
Microsoft Research精选AI 评分6060 Microsoft Research 推出面向生物学复杂性的 AI 研究系统 Quine
Microsoft Research 发布 Quine，一个面向生物学复杂性的 AI 研究系统，包含跨序列、结构、功能、细胞状态和成像等模态联合训练的生物世界模型，以及连接模型、科学工具、文献与研究者的交互 harness。
推荐理由：微软研究院公开 Quine 的多模态世界模型设计，并给出胰腺癌化合物筛选的湿实验验证案例，可了解 AI 参与生物实验设计的当前路径。
已经到底了