GitHub 发布开源基准 ReviewBench 用于评估 AI 代码审查
GitHub 发布离线基准 ReviewBench，用于评测 AI 代码审查 Agent。基准基于 103.9M 真实 pull request 的分布建模，包含 219 个跨 19 种语言的公开 PR，采用人审、静态分析和多个 frontier LLM 构建的多源 golden set，以 Claude Sonnet 5 作为评分模型，资深工程师独立复检一致率达 96.6%。
GitHub 发布离线基准 ReviewBench，用于评测 AI 代码审查 Agent。基准基于 103.9M 真实 pull request 的分布建模，包含 219 个跨 19 种语言的公开 PR，采用人审、静态分析和多个 frontier LLM 构建的多源 golden set，以 Claude Sonnet 5 作为评分模型，资深工程师独立复检一致率达 96.6%。