跳到正文

内容类型

评测基准 最新动态

模型到底谁更强:Benchmark 评测成绩、评测方法的争议与排行榜变化。

1 条精选近 30 天 0 条共收录 5 条

更新

评测基准的精选

10月5日周一第 1–1 条
  1. GitHub Blog · AI & ML77

    GitHub 发布 AI 代码审查基准测试 ReviewBench

    GitHub 推出 ReviewBench,这是一个旨在评估 AI 代码审查智能体的开源基准测试。该基准基于 1.039 亿个 GitHub 拉取请求构建,包含 219 个具有代表性的样本,通过多源黄金集、统一评估准则及可配置的指标体系,支持对代码审查系统的准确率、召回率及不同严重程度问题的识别能力进行客观评估。

    推荐理由:GitHub 发布了用于评估 AI 代码审查智能体的基准测试 ReviewBench,通过多源黄金集和可配置指标,帮助开发者客观衡量审查系统的准确性与覆盖率。