GitHub 发布 ReviewBench：AI 代码审查的开放基准
GitHub 发布 ReviewBench，一个面向 AI 代码审查的开放基准，基于 103.9M 个真实拉取请求构建，包含 219 个公开 PR，覆盖 19 种语言，采用多源黄金集和统一评分标准，支持按严重性、类别和精度-召回偏好切片评估。
推荐理由：原文构建了面向 AI 代码审查的基准评测体系，提供了可复现的评估方法和公开数据集，有助于推动该领域标准化。
公司与模型
Microsoft / Copilot 最新动态
微软的 AI 布局：Copilot 全家桶、Azure AI 基础设施与 OpenAI 合作关系的持续追踪。
6 条精选近 30 天 6 条共收录 63 条
更新
Microsoft / Copilot的精选
GitHub Blog · AI & ML精选AI 评分5656
cnBeta精选AI 评分6060 KAIST 与微软研发“神经价值对齐”AI 系统，通过脑电波判断意图
KAIST 与微软的研究团队开发了名为“神经价值对齐”的 AI 系统，利用脑电图监测用户大脑的预测误差信号，以判断 AI 是否理解或执行了用户的真实意图。系统分析奖励预测误差和状态预测误差两类神经信号，能区分错误发生在目标还是执行层面。
推荐理由：原文介绍了利用脑电信号解决人机意图对齐模糊性的具体方法，为理解下一代交互式智能系统提供了技术视角。
Hugging Face Blog精选AI 评分6262 Microsoft 与 Hugging Face 发布智能体评测基准 ThinkingBox
Microsoft 与 Hugging Face 联合发布智能体评测基准 ThinkingBox，通过检查数据库最终状态和副作用而非工具调用来评估智能体。该研究在 507 个有状态工作流上对 12 个 LLM 模型进行了 20 次重复测试，发现模型的一次性成功率（pass@1）与始终正确率（20/20）之间存在巨大差距。
推荐理由：该研究通过检查数据库最终状态而非工具调用来评估智能体，揭示了模型一次性成功与可靠执行之间的显著差距。
Microsoft Research精选AI 评分5454 微软研究院推出生物AI研究系统Quine
微软研究院推出名为Quine的生物AI研究系统，该系统包含一个多模态生物世界模型和一个连接模型、科学工具、文献与研究人员的工作平台。在与Broad Institute的合作中，Quine被用于预测和优先排序能驱动肿瘤细胞状态转变的化合物，其排名靠前的候选物在湿实验室实验中得到了验证。
推荐理由：原文展示了该系统在癌症研究中的具体应用案例和效果，为关注AI在生物科学领域落地的读者提供了实践参考。
Microsoft 官方博客精选AI 评分6767 Microsoft 推出新版 Copilot，新增 Home、Code 和 Autopilot 功能
Microsoft 推出新版 Copilot，新增 Home、Code 和 Autopilot 三大功能。Home 整合 Chat 与 Cowork，集成 Word、Excel、PowerPoint 实时协作；Code 允许非开发者用自然语言构建应用，基于 GitHub Copilot 技术运行于安全沙箱；Autopilot 是持续工作的智能体，可自主执行任务并跨应用协作。
推荐理由：原文给出了新功能模块的定位、能力边界和开放路径，读者可以据此判断它会怎样改变现有工作流。
Microsoft 新模型精选AI 评分6060 Microsoft 发布 FrogNano-4B-2609 模型：基于 Qwen3.5-4B 的紧凑型代码智能体
Microsoft 发布 FrogNano-4B-2609 模型，基于 Qwen/Qwen3.5-4B 架构，通过强化学习在约 1,500 个合成软件工程任务上训练，专用于仓库级代码智能体任务。
推荐理由：原文详细说明了模型架构、训练方法、基准表现和使用限制，读者可据此判断其在代码智能体领域的定位与适用边界。