GitHub Copilot 发布 ReviewBench 代码审查基准
GitHub 发布了 ReviewBench，这是基于 1 亿真实 pull request 构建的开源代码审查评测基准，包含 219 个公共 pull request 和多源金标准。评测显示该基准能提前预测线上表现，最近一次实验中离线指标与线上 A/B 测试结果方向一致，例如线上 recall 提升 13.6%，critical 评论增加 262%。
推荐理由：原文给出了完整评测流程和对比数据，可帮助读者判断该基准如何优化代码审查智能体迭代流程。