OpenAI 如何提升 ChatGPT 对低资源编程语言的支持
OpenAI 正在改进 ChatGPT 对低资源编程语言的支持，并新增了针对软件工程、SQLite 和 COBOL 迁移的评测。
#评测/基准
OpenAI NewsAI 评分2727
AWS Machine Learning BlogAI 评分3636 用 Amazon Bedrock AgentCore 构建 AI 智能体可信度：一套生产级评估框架
AWS SMGS Operations 团队基于 Amazon Bedrock AgentCore Evaluations 搭建了一套覆盖全生命周期的智能体质量评估框架，用于其服务 AWS 全球现场销售的多智能体系统。
Google DeepMind精选AI 评分9090 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 发布 Gemini 4 Argon，面向开发者、企业和科研人员开放，API 定价为每百万输入 token 2 美元、输出 token 10 美元，缓存输入享 95% 折扣。
推荐理由：官方披露了 Argon 在 Chrome 重构、ADK 性能优化和机器人视频到仿真等场景的具体数字，可据此判断前沿模型在长程工程任务上的实际边界。
Microsoft ResearchAI 评分2222 Microsoft 研究员 Jennifer Neville 谈 AI 评测与“意外失败”的启示
Microsoft 合伙人研究经理 Jennifer Neville 在 Microsoft Research Podcast 中讨论评测如何推动 AI 系统突破传统 benchmark 的性能边界，以及模型在超出常规测试时出现的“意外失败”。她结合自身从数学、物理、认知科学转向计算机科学的经历，分享使用当前 AI 系统的实用建议，并强调结果偏离预期时应仔细检查数据。
GitHub Blog · AI & MLAI 评分5858 GitHub 发布 AI 代码审查开放基准 ReviewBench
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 103.9M 个 GitHub pull request 的分布构建，包含 219 个 pull request、覆盖 19 种语言。