GitHub推出ReviewBench研究预览，开放代码评审评测与自助提交

GitHub发布ReviewBench研究预览评测服务。它从真实GitHub PR分布构造219个PR，覆盖187个公开许可仓库与19种语言，公开问题标签、严重度与类别、评分规则、Judge配置和自助runner。Grounded指标对照固定金标准，Augmented指标进一步判断未在金标准中的真实新问题；跨系统主比较使用grounded recall，避免各自新发现扩大分母带来的混淆。独立高级工程师重新标注与基准判断有96.6%一致率，这是标注核对而非Agent准确率。用户用GitHub登录、登记容器配置与自己的模型key，先在25个PR测试，再对219个PR运行三轮；成绩保持私有，管理员审核后才可上榜。本条按公开评测服务收录，不因“open benchmark”就称其全部实现开源；底层方法与数据可复核，代码许可另需确认。