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 1 条共收录 2 条

更新

评测基准的精选

10月5日周一第 1–1 条
  1. GitHub Blog · AI & ML60

    GitHub 发布 AI 代码审查开放基准 ReviewBench

    GitHub 发布 ReviewBench，这是一个用于评估 AI 代码审查智能体的开放基准。该基准基于对 GitHub 上 1.039 亿个真实 Pull Request 的分析构建，包含覆盖 19 种语言的 219 个代表性 PR。

    推荐理由：GitHub 开源了基于亿级真实 PR 分布构建的代码审查基准 ReviewBench，提供了可复现的离线评估方法以辅助模型迭代。