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。
#Microsoft
GitHub Blog · AI & ML精选AI 评分7171
Hugging Face Blog精选AI 评分7575 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。
Microsoft Research精选AI 评分6060 Microsoft Research 发布 Quine：面向生物学复杂性的 AI 研究系统
Microsoft Research 发布 Quine，一个面向生物学复杂性的 AI 研究系统。与 Broad Institute of Harvard and MIT 合作，Quine 在胰腺癌细胞状态研究中预测并优先排序数千个化合物，并在多个湿实验验证高排名候选，从缩小搜索空间到优先少数候选只花一个周末。
推荐理由：原文展示了多模态生物学世界模型如何与湿实验闭环结合，为人工智能辅助药物筛选提供可迁移的研究范式。
Microsoft Research精选AI 评分6363 Microsoft Research 为 Physical AI Toolchain 增加机器人推理卸载能力
Microsoft Research 在 Physical AI Toolchain 中新增机器人推理卸载能力，可用 Kubernetes 工具将推理部署到边缘或云端 GPU。
推荐理由：原文比较了机载 GPU 与边缘或云端推理在移动操作任务中的表现，并量化了任务成功率、延迟和电池寿命差异。
Microsoft Research精选AI 评分6262 Microsoft Research 的 RetroChimera 提升小分子规模化合成预测
Microsoft Research 在 Nature 发表 RetroChimera，开源实现与权重，GitHub 可访问。模型组合 R-SMILES 2 与 NeuralLoc，用学习式集成排序生成逆合成预测。盲测中博士级化学家偏好其反应预测，10 个挑战目标的多步路线成功 9 个，高于 de novo 5、editing 4 和 NeuralSym 2。
推荐理由：原文给出 Nature 论文中的双模型集成、盲测偏好和开源入口，读者可据此判断逆合成预测如何进入可复用的研究工具。
已经到底了