全球 AI 快訊

主題分析（原日報全文）

GitHub 10 月 5 日推出 ReviewBench，係一個畀 AI code review agent 用嘅公開 benchmark，案例取自 219 個真實 pull request、涵蓋 19 種語言，並用人類 reviewer、LLM 同靜態分析組成 multi-source ground truth。佢將 precision、recall、嚴重程度、類別同 production-aligned 指標放入同一套評估，重點唔係再宣稱某個模型最勁，而係令團隊可以先喺離線環境比較，再決定要唔要做 A/B test。對企業導入 coding agent，呢類可重現、可自帶 agent 測試嘅 benchmark，比單一 demo 更有採購及治理價值。