Project Arena 发布面向 Kubernetes AI SRE 智能体的开源基准 AI SRE Arena
Project Arena 发布 AI SRE Arena，这是一个厂商中立的开源基准，用于部署一次性 Kubernetes 环境、注入故障、保存不同产品的调查记录并用可配置裁判评分。
#产品更新
#产品更新
今日 0 条Hacker News：AI 热帖AI 评分6060
Hacker News：AI 热帖AI 评分5656 KCoral 发布面向智能体 GPU 编程的轻量级基准评测服务器
KCoral 发布轻量级基准评测服务器，将 GPU 执行与智能体开发循环解耦，让多个智能体通过 HTTP 协议远程提交 kernel 评测并共享 GPU 池。它支持单 GPU、多 GPU 和多节点调度，提供请求级隔离、文件缓存、CPU 编译与 GPU 执行分离，以及封装 python、compute-sanitizer、ncu 等工具的 CLI。
GitHub Blog · AI & ML精选AI 评分6262 GitHub 发布开放 AI 代码审查基准 ReviewBench
GitHub 发布开放 AI 代码审查离线基准 ReviewBench，研究预览版已上线，可用于比较代码审查智能体并接入自有系统。基准基于 103.9M 个 GitHub pull request 的分布构建，包含 187 个公开仓库中的 219 个 pull request、覆盖 19 种语言，并提供多来源 golden set、严重度和类别标注。
推荐理由：原文说明了基准语料、标注流程和接入方式，适合用来理解代码审查智能体应如何做可复现评测。
Hugging Face Blog精选AI 评分7878 Microsoft ThinkingBox 登陆 Hugging Face，用数据库状态评测 AI 智能体
Microsoft 与 Hugging Face 发布 ThinkingBox 智能体沙箱及 ThinkingBox-Bench，基准包含 507 个有状态业务工作流，每个任务运行 20 次，并通过隔离 MCP 工具会话检查最终后端状态与副作用。
推荐理由：ThinkingBox 用后端最终状态和副作用判定智能体任务成败，并通过 20 次重复运行区分单次能力与稳定可靠性。
Google ResearchAI 评分5959 Google 发布基于 TEE 的新一代联邦学习系统，Gboard 已用于英文和日文下一词预测
Google 发布基于可信执行环境 TEE 的新一代联邦学习系统，用远程证明、机密性和完整性机制提供可验证、可审计的数据匿名化保证，并提升隐私保障与模型准确率。
Hugging Face Blog精选AI 评分6262 Open ASR Leaderboard 新增印地语和印度英语评测集 Monsoon
Voice Arena 与 Hugging Face 合作，为 Open ASR Leaderboard 新增 Monsoon en-IN 和 Monsoon hi-IN 两套评测，覆盖印度英语和印地语。
推荐理由：文章详细说明了印地语和印度英语评测集的说话人覆盖、元数据设计与计分方式，可帮助理解 ASR 榜单如何暴露群体差异。