GitHub 发代码审查基准，GLM 5.3 上 Bedrock
4条摆在这一期2个信源3个分节4条收进刊期
本期导语
GitHub 推出代码审查离线基准 ReviewBench，基于 1.039 亿条真实 PR 的分布构建 219 条 PR、覆盖 19 种语言的评测集；Z.ai 的 753B 参数 MoE 模型 GLM 5.3 上线 Amazon Bedrock，支持跨区域推理与提示缓存。AWS 同日给出两条智能体实践：知识库 agentic 检索接入 LangChain，以及用 AgentCore Evaluations 评估多智能体供应链决策。
本期看点
GitHub 发布 AI 代码审查基准 ReviewBenchGLM 5.3 上线 Amazon Bedrock，支持跨区域推理与提示缓存AWS 演示 Bedrock 知识库智能体检索接入 LangChainAWS 用 AgentCore Evaluations 评估多智能体供应链决策
教程
AWS 演示 Bedrock 知识库智能体检索接入 LangChainAmazon Bedrock Managed Knowledge Base 支持智能体检索，由 AgenticRetrieveStream API 把问题拆成子查询、判断证据是否足够并在不足时再次检索，langchain-aws 以 agentic_retrieve 函数暴露该能力，标准路径仍是 Retrieve API 的单次混合搜索。AWS 用同一道包含六个子意图的对比问题实测，5 条结果只覆盖 4 个子意图，10 条覆盖全部 6 个但出现重复覆盖，并说明智能体路径需要 …推荐理由：文中用同一道含六个子意图的问题对比标准检索与智能体检索的覆盖差异，读者可据此判断两条路径的成本取舍。AWS 用 AgentCore Evaluations 评估多智能体供应链决策AWS 在博客中给出基于 Strands Agents SDK 与 Amazon Bedrock AgentCore Evaluations 的多智能体供应链决策参考实现，由编排智能体加优化、配送、路由、分析四个子智能体处理库存分配、路线推荐与库存诊断。评估分三层，先以 Helpfulness 等内置评估器建立通用质量基线，再叠加约束满足、SQL 正确性等自定义评估器验证业务正确性，最后用决策理由质量、证据归因、约束推理、权衡解释、工具使用解释与假设披露六项评估器独立衡量可解…推荐理由：文章把可解释性拆成六项独立评估器并与准确性分开测量，读者可据此区分正确却说不清理由的回答与解释充分但结论错误的回答。论文
GitHub 发布 AI 代码审查基准 ReviewBenchGitHub 推出代码审查离线基准 ReviewBench，基于 1.039 亿条真实 PR 的语言与仓库规模分布，构建含 219 条 PR、覆盖 19 种语言的评测集，采用人工评审、前沿大模型与静态分析的多源黄金集，并按严重程度与类别切分结果。该基准公开数据集、评分规则与评测运行器，可用于对比代码审查智能体并提交自身评测结果。推荐理由：GitHub 公开了代码审查智能体的离线基准与评测口径，读者可据此了解审查质量如何被量化比较。模型
GLM 5.3 上线 Amazon Bedrock，支持跨区域推理与提示缓存Z.ai 的 GLM 5.3 已在 Amazon Bedrock 上线，这是一个 753B 参数的混合专家模型，面向编码与长程智能体任务，Z.ai 公布的 CyberGym 得分为 84.5。用户在 Bedrock 上可通过兼容 OpenAI 的 Responses 与 Chat Completions API 或 Invoke 与 Converse API 调用，支持隐式与显式提示缓存、跨区域推理及 Flex、Priority、Standard 服务层级，供符合条件的企业客…推荐理由：GLM 5.3 在 Bedrock 上线并附完整调用示例，读者可据此评估其编码、长程智能体与提示缓存的实际接入成本。其它期 ↗本期刊物按 2026 年 10 月 6 日 这一期的时间窗整理生成，范围是当前工作区发布的这一份内容包；条目版权归原作者与信源所有。