GitHub 发布开源基准 ReviewBench 用于评测 AI 代码审查
GitHub 发布开源离线基准 ReviewBench，用于评测 AI 代码审查智能体。基准基于 1.039 亿 GitHub pull request 的分布建模。
#Microsoft
#Microsoft
今日 1 条GitHub Blog · AI & MLAI 评分5757
Hugging Face Blog精选AI 评分6969 Microsoft ThinkingBox 登陆 Hugging Face，以后端状态评测智能体真实可靠性
Microsoft 与 Hugging Face 发布 ThinkingBox 智能体沙箱和 ThinkingBox-Bench 基准，507 个有状态业务工作流、每任务运行 20 次，用可执行检查评测终端数据库状态与副作用，现已通过 OpenEnv 在 Hugging Face 开放。
推荐理由：原文用可执行的后端状态检查区分了表面成功与真实结果，还给出各模型一致性与成本数据，对评估智能体有直接参考。
Microsoft ResearchAI 评分4949 Microsoft Research：物理 AI 机器人推理卸载研究挑战机载 GPU 假设
Microsoft Research 的研究显示，仅依赖机器人机载 GPU 运行物理 AI 推理会限制性能、续航和可扩展性，将推理卸载到边缘或云端 GPU 可显著改善。
Microsoft ResearchAI 评分4444 Microsoft Research 推出 MindTopo 基准，测试多模态模型的拓扑空间推理能力
Microsoft Research 推出 MindTopo 基准，评估多模态大模型对连通性、封闭、顺序、分离和绳结等拓扑概念的推理与规划能力。测试显示，模型在静态图像识别上表现明显好于交互式规划任务，且两者均远低于人类水平，错误多出在规划阶段丢失结构关系或提出违反物理约束的动作。该基准旨在为机器人和交互环境中的智能体研究提供受控诊断工具。