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 代码审查智能体的开放离线基准，基于 1.039 亿个 GitHub pull request 的分布构建，包含 19 种语言、187 个开源仓库的 219 个 pull request。
#Microsoft
GitHub Blog · AI & MLAI 评分5858
Hugging Face Blog精选AI 评分7171 微软与 Hugging Face 发布 ThinkingBox：按数据库终态给 AI 智能体打分
微软 Copilot Studio 团队与 Hugging Face 联合发布 ThinkingBox，通过隔离的 MCP 工具会话运行智能体，再根据其留下的后端终态和副作用打分，而非依据模型生成的文字。
推荐理由：微软与 Hugging Face 联合发布的智能体评测基准，用数据库终态而非模型自述来判定任务成败，并给出 507 个任务重复 20 次的稳定性数据。
Microsoft ResearchAI 评分3131 微软研究院用机器学习预测电网空间天气风险
微软研究院开发了一套端到端机器学习流水线，利用 L1 太阳风观测数据预测 AE 和 Dst 指数，结合纬度、地质电导率与电网数据，为美国本土 66,935 座变电站生成 30-60 分钟前的空间天气风险估计。在 2020-2026 年评估期内，该系统检测到近 80% 的重大空间天气事件，Dst 预测在 62.2% 的峰值活动小时上优于 Burton 方程，严重事件检测率提升 1.2 个百分点。
Microsoft Research精选AI 评分6262 微软研究：把物理 AI 推理卸载到边缘或云端 GPU 可提升机器人表现与续航
微软研究院对移动机器人操作负载做了系统性测量，发现把物理 AI 推理从机载 GPU 卸载到边缘或云端 GPU 可提升任务表现。
推荐理由：微软对移动操作机器人推理负载的系统性测量，给出端侧、边缘与云端 GPU 在任务成功率、时延和续航上的量化差异。
Microsoft ResearchAI 评分3939 微软研究院在 Nature 发布 RetroChimera：大规模小分子逆合成预测模型并开源
微软研究院在 Nature 发表逆合成模型 RetroChimera，融合 Transformer 模型 R-SMILES 2 与 GNN 模型 NeuralLoc，通过学习式集成与重排序提升预测质量，并已开源实现与权重。