Microsoft Research 播客：Jennifer Neville 谈 AI 的意外失败与评估的作用
Microsoft Research 播客中，资深研究经理 Jennifer Neville 与首席应用科学家 Chad Atalla 对谈，探讨评估如何推动 AI 系统性能突破传统 benchmark，以及测试超出常规基准时出现的“意外失败”。她还分享了使用当前 AI 系统的实用建议，并谈到结果不符预期时为何要仔细审视数据，以及数十年 AI 发展对她预测未来的启示。
#评测/基准
Microsoft ResearchAI 评分4747
GitHub Blog · AI & MLAI 评分5454 GitHub 发布开源代码审查基准 ReviewBench
GitHub 发布 AI 代码审查离线基准 ReviewBench，现已开放使用。基准基于 103.9M 真实 pull request 的分布构建，包含来自 19 种语言的 219 个公开 pull request。