跳到正文
#评测/基准
  1. Latent Space

    AINews 周报：Gemini 4 Argon 正式发布，Vals AI 谈模型基准

    Latent Space 的 AINews 汇总了 Gemini 4 Argon 正式发布及 AI Engineer NYC 大会内容，约 2 万人参会，Anthropic 和 Vals AI CEO 等发表主题演讲。

    推荐理由：一份按类别编排的 AI 周报，涵盖 Argon 发布、多项独立评测、Agent 训练与安全议题，便于横向对照。

  1. GitHub Blog · AI & ML

    GitHub 发布 ReviewBench：面向 AI 代码审查的公开基准

    GitHub 发布 ReviewBench 研究预览版，这是一个面向 AI 代码审查智能体的公开离线基准，包含 219 条来自 187 个开源仓库、覆盖 19 种语言的 pull request。

    推荐理由：GitHub 用 1.039 亿条真实 PR 校准出 219 条评测集，并公开了评分规则与校验流程，可据此比较不同 AI 代码审查工具。

已经到底了