微软用合成企业数据评估 Microsoft Copilot 的 AI 置信度
微软构建 Industry Evaluation Data Generation Platform，用基于 O*NET、招聘信息和 SEC 文件等公开数据生成的全合成企业环境来评估 Microsoft Copilot，避免使用任何客户数据。
#评测/基准
Microsoft ResearchAI 评分4040 Latent SpaceAI 评分4949 Elorian 发布视觉推理模型 Glimpse，DecoyCount 基准测试前沿模型计数能力
Elorian 推出首个视觉推理模型 Glimpse，并在与 Mercor 合作的 DecoyCount 基准中内部测试得分 50.48%，成为唯一超过 50% 的模型。
GitHub Blog · AI & MLAI 评分5858 GitHub 发布 AI 代码审查基准 ReviewBench
GitHub 发布开源代码审查基准 ReviewBench，基于 1.039 亿个 GitHub PR 的分布特征，构建了覆盖 19 种语言、来自 187 个开源仓库的 219 个 PR 评测集。