跳到正文
只看论文#开源/仓库
10月5日周一
  1. GitHub Blog · AI & ML50

    GitHub 开源 ReviewBench：AI 代码审查基准

    GitHub 推出开源离线基准 ReviewBench，用于评估 AI 代码审查智能体。基准基于 103.9M GitHub pull request 分析构建，语料涵盖 19 种语言的 219 个公开 pull request，采用人工审查者、frontier LLM 和静态分析构成的多源 golden set，并由资深工程师独立验证，达成 96.6% 一致性。

3月13日周五
  1. Berkeley AI Research46

    Berkeley AI Research 讲解 SPEX 与 ProxySPEX 如何在大规模下识别 LLM 的交互作用

    Berkeley AI Research 介绍了 SPEX 和 ProxySPEX 两种算法，通过消融实验在大规模下识别 LLM 中特征、训练数据和模型组件的关键交互，用于可解释性研究。SPEX 利用稀疏性和低阶性把交互发现问题转化为稀疏恢复问题，可扩展到数千个特征；ProxySPEX 进一步利用层级结构，以约 10x 更少的消融达到与 SPEX 相当的性能。