Rohan Paul

卡内基梅隆与微软的新论文发现：最好的 AI 代码审查员在其前 5 条评论里抓住了 71.9% 的已知漏洞，仍远不足以撤掉人类审查者。 智能体写代码的速度已快过人类审查，诱使团队也让 AI 来审查。较旧的审查基准拿 AI 对照人类评论打分，而人类评论可能是吹毛求疵，也可能漏掉真漏洞。 他们构建了 CRBugBench：1800 个代码审查任务，每个 PR 引入了一个人类确认并修复过的漏洞。智能体在沙箱里审查原始改动，AI 评判检查其最靠前的发现是否点名了那个漏洞。 最好的智能体 claude-opus-5 在前 5 条评论里抓住了 71.9% 的漏洞，高于 5 个月前 opus-4.6 的 47.7%。在某公司私有仓库上，表现最多下降 25.5%，那里的漏洞更常需要项目上下文。 把审查智能体与人类审查者并用，并把仓库自有知识给他们，尤其是在大型或上下文很重的改动上。