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评分口径，读者可据此理解离线评测如何对应线上实验。
技术方向
Agent 智能体 最新动态
让模型自主规划、调用工具、完成多步任务的技术方向——从 Claude Code、Manus 到各家 Agent 框架与评测基准的全部动态。
24 条精选近 30 天 24 条共收录 97 条
更新
精选归档 · 第 2 页
GitHub Blog · AI & ML精选AI 评分6060
Cloudflare Blog · AI精选AI 评分6666 Cloudflare 发布开源决策模型 Clef 与 Clef-flash，并推出 RL 微调平台
Cloudflare 在 Workers AI 上线两个自训练决策模型 Clef 和 Clef-flash，并在 Hugging Face 以 Apache 2.0 协议开源权重。
推荐理由：Cloudflare 公开了 Clef 的训练方式与基准对比，读者可据此判断决策模型与 LLM 在智能体工作流中的分工。
Google DeepMind精选AI 评分8484 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御方开放，随后逐步扩展至开发者、企业和消费者。
推荐理由：官方给出 Gemini 4 Argon 在编码、企业知识与网络安全防御上的基准表现和分阶段开放路径，可据此判断前沿模型的落地节奏。
GitHub Blog · AI & ML精选AI 评分6666 GitHub Security Lab 发布 Fuzzing Taskflow 智能体，自动为 C/C++ 项目生成模糊测试
GitHub Security Lab 发布 Fuzzing Taskflow，一个面向 C/C++ 项目的自主模糊测试流水线，只需指向一个 GitHub 仓库，它就会识别入口点、分析构建系统、编写 harness、运行 AFL++、读取覆盖率报告、改进 harness、对崩溃去重并生成漏洞报告。
推荐理由：原文完整披露了自主模糊测试流水线的分层架构与覆盖反馈循环，可据此评估把重复安全测试交给 LLM 智能体的边界。