GitHub 发布 ReviewBench：面向 AI 代码审查的开放基准

GitHub 推出 ReviewBench 开放基准

GitHub 在官方博客宣布上线 ReviewBench，定位为面向 AI 代码审查代理的开放离线基准，并称该基准即日起可供使用。据博客介绍，ReviewBench 的构建参考了 GitHub 上超过 1 亿条真实拉取请求，在语言、仓库规模与变更规模分布上与之保持一致；评估采用多来源黄金集（golden set）与统一评分标准，并由资深工程师进行了独立验证。

背景与影响

博客指出，代理式代码审查正逐渐成为开发流程中的常见环节，用于检查拉取请求、发现问题并判断哪些内容值得优先关注。但现有 AI 审查工具的质量不易衡量：不同系统在发现数量、噪声水平，以及捕捉关键问题与提出小幅改进之间各有取舍。GitHub 认为，已有基准往往在标注质量、覆盖范围与真实场景代表性之间做出妥协。ReviewBench 试图通过按严重程度、类别以及精确率—召回率偏好进行细分，为构建代码审查代理的团队提供可离线追踪生产效果的信号。博客还提到，借助该基准，GitHub 对 Copilot 代码审查（CCR）的离线评估在预判生产实验方向方面变得更为有效。

限制与来源

上述内容来自 GitHub 官方博客文章《ReviewBench: An open benchmark for AI code review》，作者为 Michelle Zhou 与 Alejandro Carderera de Diego。博客中关于基准构成、黄金集与评分方式的说明，以及 Copilot 代码审查评估效果的表述，均以该文章为准；本文未对基准的具体指标数值、覆盖范围或可用地区做独立核实。基准的开放程度、使用条件与提交方式等细节，请以 GitHub 官方页面当前信息为准。