Grounded Recall

GitHub 推出 ReviewBench 以衡量 AI 代码审查代理的性能

GitHub 推出了开放的 ReviewBench 基准，用于评估代码审查代理。该基准基于来自 187 个仓库、涵盖 19 种编程语言的 219 个拉取请求，并采用能够区分已知问题和新问题的指标。该公司表示，其离线结果反映了 Copilot Code Review 生产环境测试的趋势，但真实用户测试仍是最终判断标准。