跳到正文
只看项目#开源学习
  1. GitHub Blog · AI & ML71

    GitHub 发布 ReviewBench：面向 AI 代码审查的开放基准

    GitHub 发布 ReviewBench，一个面向 AI 代码审查的开放离线基准，基于 103.9M 个 GitHub pull request 分布构建，包含 219 个公开 pull request。

    推荐理由：原文给出 ReviewBench 的公开数据、评分规则、指标切片和 Copilot 离线到线上对照，便于比较不同代码审查智能体的强弱与偏好选择。

  1. Hugging Face Blog75

    Microsoft ThinkingBox 通过 Hugging Face 开放智能体数据库终态评测

    Microsoft ThinkingBox 现已通过 Hugging Face 开放，用数据库终态和副作用评测 AI 智能体，而不是只看最终回复或工具调用。ThinkingBox-Bench 覆盖 507 个有状态业务工作流，每个任务重复 20 次，并报告 pass@1、pass@20 和 observed 20/20。失败诊断显示约 79.9% 的失败来自工具使用，而不是推理。

    推荐理由：原文给出以数据库终态和副作用评测智能体的方法，读者可据此检查工具调用之外的真实结果与多次运行稳定性。

  1. GitHub Blog · AI & ML72

    GitHub Security Lab Taskflow Agent 实现 AI 驱动 fuzzing

    GitHub Security Lab 开源了 Fuzzing Taskflow，一个基于 GitHub Security Lab Taskflow Agent 的 C/C++ 自动 fuzzing 流水线。

    推荐理由：原文展示 GitHub Security Lab 将 LLM 智能体的决策与 MCP 工具的执行分离，把 C/C++ 项目 fuzzing 中的 harness 编写、覆盖率追踪、crash triage 和漏洞报告生成交给开源自动化流水线。

已经到底了