跳到正文
只看论文#Microsoft
  1. GitHub Blog · AI & ML64

    GitHub 发布 AI 代码评审开放基准 ReviewBench

    GitHub 发布 AI 代码评审开放基准 ReviewBench，其语料来自 1.039 亿个 GitHub PR 的分布，包含 19 种语言、187 个开源许可证仓库的 219 个 PR。

    推荐理由：它基于 1.039 亿 GitHub PR 分布构建，公开数据集与裁判配置，并给出与 Copilot 线上实验方向一致的线下信号，便于团队用同一基准迭代评审智能体。

  1. Hugging Face Blog73

    Microsoft 与 Hugging Face 发布 ThinkingBox 智能体状态基准

    Microsoft 与 Hugging Face 联合发布 ThinkingBox 智能体沙箱和 ThinkingBox-Bench 基准，依据数据库终态判定智能体任务成败。

    推荐理由：该基准以数据库终态而非模型回复判定智能体成功，并给出 507 个任务重复 20 次的一致性与成本数据，可供部署时比较模型。

  1. Microsoft Research61

    微软 Physical AI Toolchain 新增机器人推理卸载能力

    微软宣布在 Physical AI Toolchain 中加入机器人物理 AI 推理卸载能力，可将推理从机载 GPU 卸载到边缘或云端 GPU。其评估显示，卸载推理提升了移动操控任务成功率，并使更大模型可用；用轻量机载硬件替代机载 GPU 也显著延长续航。该版本包含 SO-101 和 UR10e 的卸载示例项目。

    推荐理由：原文给出机载与卸载推理在成功率、延迟和续航上的量化对比，并展示用 Kubernetes 自动容器化部署机器人推理的路径。

已经到底了