LangChain 推出 ReviewBench：用真实 PR 评审数据评测代码审查智能体

LangChain 发布 ReviewBench，一个基于 LangSmith 单体仓库真实 PR 评审意见构建的代码审查智能体评测基准，目前包含 59 个任务、覆盖 64 个基线问题，采用 Harbor 任务格式并以 F1 为综合得分。在统一 Deep Agents 基础框架下，最强模型仅能找回约 30% 的基线问题；对 Luna 改用高推理强度与结构化评审提示词后，其表现出现变化。