跳到正文
只看论文#Microsoft
  1. GitHub Blog · AI & ML60

    GitHub 发布 ReviewBench：面向 AI 代码审查的开放基准

    GitHub 发布 ReviewBench，一个面向 AI 代码审查智能体的开放离线基准，基于 1.039 亿个 GitHub PR 的分布构建，包含 219 个 PR、覆盖 19 种语言，采用多来源 golden set 与统一评分标准，并由资深工程师独立复核，一致率 96.6%。

    推荐理由：GitHub 公开了代码审查基准的构建方法与离线到线上的验证数据，可据此判断评测信号是否可信。

  1. Hugging Face Blog66

    微软 ThinkingBox 基准：按数据库终态而非模型自述评判 AI 智能体

    微软 Copilot Studio 团队与 Hugging Face 联合发布 ThinkingBox 智能体评测基准，通过隔离的 MCP 工具会话运行任务，只根据智能体留下的后端终态和副作用打分，而非其生成的文字。

    推荐理由：微软与 Hugging Face 联合发布的智能体评测基准，用数据库终态而非模型自述来判定任务成败，并给出 20 次重复下的稳定性与成本数据。

  1. Microsoft Research62

    微软研究院：物理 AI 机器人推理卸载研究与工具链

    微软研究院对移动操作机器人工作负载做了系统性测量，发现把物理 AI 推理从机器人端侧 GPU 卸载到边缘或云端 GPU，可提升任务成功率、支持更大模型并延长续航。

    推荐理由：微软研究院系统测量了机器人端侧推理与卸载到边缘或云端 GPU 的差异，并给出可复用的 Kubernetes 卸载工具链。

已经到底了