GitHub 发布 AI 代码审查开源基准测试 ReviewBench

GitHub 发布了针对 AI 代码审查智能体的开源基准测试 ReviewBench，旨在提供严谨且可复现的离线评估方法。该基准包含从海量 GitHub PR 中筛选出的 219 个样本，采用多源黄金数据集和统一评分标准，支持按严重程度和类别进行细分评估。内部实践表明，该基准的离线评估结果与线上 A/B 测试表现高度一致，开发者现可提交自己的智能体参与排行榜评测。