跳到正文
只看论文#Agent
10月5日周一
  1. GitHub Blog · AI & ML62

    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 pull request 的分布构建，包含来自 187 个开源仓库、覆盖 19 种语言的 219 个 pull request。

    推荐理由：GitHub 公开了代码审查基准的构建方法与离线在线信号对照数据，可据此判断评测结果能否预判线上表现。

  2. MIT Technology Review · AI22

    如何将 AI 智能体接入企业知识

    MIT Technology Review 基于对 300 名数据与 AI 高管的调研发现，企业平均仅约 34% 的智能体 AI 项目能进入生产环境，遗留数据系统、安全隐私顾虑以及知识与上下文缺失是主要失败点。

7月26日周日
  1. Berkeley AI Research37

    Berkeley AI Research 提出 ABBEL：用信念状态监督让 LLM 高效完成长程交互

    Berkeley AI Research 提出 ABBEL 框架，将摘要隔离为自然语言"信念状态"并加以监督，替代完整交互历史作为智能体的工作上下文。在协作编程基准 CollabBench 上，基于重建的信念评分（rec-BG）将 ABBEL 与全上下文模型的性能差距缩小约 50%，训练步数从 100 降至 50，峰值 token 长度也显著低于全上下文设置。