Today for AI
返回热点榜
llm热度 14.9°

AI 聚簇研判事件 · 2026/10/14

CMU 与微软发布 CRBugBench：Claude Opus 5 代码审查仅捕获 71.9% 已知 Bug，证实人类审核仍不可替代

1 篇报道存证1 家独立信源交叉印证持续跟踪至 2026/10/14 00:08:50
全景综述与最新动态
1 家信源交叉印证

卡内基梅隆大学与微软联合推出 CRBugBench 基准测试，专门评估 AI 在代码审查中识别真实 Bug 的能力。结果显示，表现最佳的 Claude Opus 5 在前 5 条评论中仅能捕获 71.9% 的已确认 Bug，且在私有仓库场景下性能下降高达 25.5%，表明当前 AI 尚无法完全替代人类进行代码审查。

最新动向/卡内基梅隆大学与微软联合推出 CRBugBench 基准测试，专门评估 AI 在代码审查中识别真实 Bug 的能力。结果显示，表现最佳的 Claude Opus 5 在前 5 条评论中仅能捕获 71.9% 的已确认 Bug，且在私有仓库场景下性能下降高达 25.5%，表明当前 AI 尚无法完全替代人类进行代码审查。

热度曲线逐小时热度走势

4 个完整观测小时
当前
14.9
峰值
16.001:00
近 24h 变化
–

曲线只比较全程持续完整观测的同一批信源；缺口小时数据已插值平滑，保持趋势连续。

TIMELINE报道时间线

共 1 篇 · 最新优先
  1. Rohan Paul (@rohanpaul_ai)T2·78 分

    CMU 与微软发布 CRBugBench：Claude Opus 5 代码审查仅捕获 71.9% 已知 Bug，证实人类审核仍不可替代

    原标题：New Carnegie Mellon and Microsoft paper finds that the best AI code reviewer caught 71.9% of known b...

    • CRBugBench 包含 1,800 个经过人类确认并修复的真实 Bug 任务，解决了旧基准依赖主观评论导致的噪声问题。
    • Claude Opus 5 在前 5 条建议中的 Bug 捕获率为 71.9%，较五个月前的 Opus 4.6（47.7%）有显著提升，但仍存在近 30% 的漏检率。
    • 在缺乏公开上下文的私有仓库场景中，AI 审查性能下降幅度最高达 25.5%，凸显了项目特定知识对自动化审查的重要性。
CMU 与微软发布 CRBugBench：Claude Opus 5 代码审查仅捕获 71.9% 已知 Bug，证实人类审核仍不可替代 | Today for AI