ai-review

Google Research 公开发布了 Deep Review，这是一个智能体 AI 系统，可对学术、法律和金融领域的技术文档进行严谨审查，由其与主要计算机科学会议合作开展的 Paper Assistant Tool 试点项目演进而来。该系统提供分级访问服务，配备可扩展的 Gemini API，并保证上传的文档不会用于模型训练。

该论文将修辞鲁棒性（Rhetorical Robustness）引入 AI 科学审稿人的评估目标，提出了包含 1,260 个论文版本的 RobustReview 基准，并介绍了 SciCore——一种双分支审稿人，将全文评估与基于科学核心内容抽取的判断相结合，在保持与人类对齐的同时提升审稿稳定性。

某人讨论了为代理工作流构建一个用于独立AI审查的工具，该工具正被用作各种AI驱动流程中合并/发布审查的门禁。

一位推特用户分享了一个提示，该提示使用陶哲轩的'傻问题'方法，通过提出关键问题来压力测试任何计划，以揭示隐藏假设并增进理解。

Harness 推出了一款新的代码仓库，配备AI驱动的代码审查功能，专为使用AI编码代理的团队设计。该功能包括基于范围的权限管理和基于风险的差异分组，以将审查策略直接集成到代理工作流中。

文章解释了在代码开发中，AI审查循环可能由于AI意见不一致、范围蔓延和幻觉而变得不稳定，正如在Opus 5的测试中所显示的。

Qwen 3.8 Max 的实操评测，重点介绍其速度、强大的规划与简化能力、严谨的实验态度以及创造性实现能力。

本文研究了修辞框架如何导致基于AI的同行评审评分产生偏差，发现证据框架和新颖性立场的影响最大，且分数变动取决于审稿人的初始评分和评审严格程度。

来自BOSC 2026的经验报告，介绍使用生成式AI对开源软件投稿进行预审，由人类审稿人做出最终决定。大多数审稿人认为AI辅助预审有用，但更倾向于独立验证AI的结论。

埃隆·马斯克发推文分享了一个对 Grok 4.5 的正面评价的链接。

Coinbase工程负责人Chintan Turakhia分享团队利用AI进行代码审查，将PR审查时间从150小时降至15小时，并实现15分钟合并70个PR的纪录，强调要专注于解决问题而非空谈采用AI。

作者构建了一个AI驱动的PR审核工作流，可生成实际修复PR而不仅仅是评论，声称比CodeRabbit便宜6倍，且在处理大型PR时更准确。