GitHub 发布 AI 代码审查开放基准 ReviewBench
GitHub 发布 AI 代码审查开放基准 ReviewBench，其 219 个 pull request 来自 187 个公开开源许可仓库，覆盖 19 种语言，分布参考了对 103.9M 个 GitHub pull request 的分析。
推荐理由：公开数据集、评分规则和自助运行器形成可复现评测链路，线上实验案例也展示了离线指标筛选代码审查改进的用法。
#Microsoft
GitHub Blog · AI & ML精选AI 评分7373
Hugging Face Blog精选AI 评分8282 Microsoft ThinkingBox 用数据库终态检验 AI 智能体是否真正完成任务
Microsoft ThinkingBox 根据智能体执行后留下的数据库终态和副作用评分，并让507个有状态业务工作流各重复运行20次，以衡量结果一致性。在覆盖12个LLM、121,680次有效试验的消融中，79,853次未通过可执行检查，其中67.24%仍正常结束、调用了状态变更工具且未报告最终工具错误。
推荐理由：它把智能体评估从回答与工具调用转向数据库终态，并以连续20次运行揭示单次成功率难以代表工作流可靠性。
Microsoft ResearchAI 评分4848 Microsoft Research 用机器学习预测电网空间天气风险
Microsoft Research 开发机器学习管线，利用太阳风信息为美国本土66,935座变电站生成位置特定的空间天气风险预估。系统结合AE、Dst预测与纬度、地质及地面电导率，可提前30-60分钟预警；对重大、严重和极端事件的检出率分别为76.5%、81.2%和64.1%。
Microsoft Research精选AI 评分6161 Microsoft Research 推出面向复杂生物学的 AI 研究系统 Quine
Microsoft Research 推出 Quine，这套实验性 AI 研究系统由多模态生物世界模型和连接模型、科学工具、文献、湿实验及研究人员的交互框架组成。
推荐理由：案例展示了如何用跨模态生物世界模型筛选实验候选，再以湿实验反馈迭代，提供了可迁移的计算与实验闭环思路。
Microsoft ResearchAI 评分5454 RetroChimera 通过模型集成改进大规模小分子合成预测
Microsoft Research 在 Nature 发表逆合成模型 RetroChimera，并开源其实现与权重。该模型通过学习式集成融合 Transformer 模型 R-SMILES 2 与图神经网络模型 NeuralLoc，按排名为候选反应分配权重。
Microsoft ResearchAI 评分4646 MindTopo 揭示 VLM 的空间推理能力
MindTopo 基准显示，当前多模态模型在静态拓扑识别上明显优于交互式规划，但两者均远低于人类水平，模型难以在连续行动中维持一致的结构理解。该基准围绕连续性、分离、顺序、封闭和绳结五类关系，同时测试推理与规划。图像生成有时能辅助单帧判断，视频推演则常改变拓扑或违反任务动态。