研究：AI 编码工具生成更多代码，但未带来软件产出增长
一项针对数百家公司的编码实践研究发现，人类代码审查成为 AI 编码工具效率的显著瓶颈，使用它们几乎没有带来软件产出增加或就业减少。哈佛大学研究者 Fiona Chen 与 James Stratton 基于 Jellyfish 的聚合分析数据得出结论：编码阶段提升的效率被生产流程下游约束吸收。
#编码
Ars Technica · AIAI 评分6363
Hugging Face Blog精选AI 评分7575 微调 Nemotron 在 IOI 与 IMO 双双夺金
Hugging Face 官方博客称，Nemotron 通过监督微调（SFT）、强化学习（RL）与反馈式推理，在 IOI 2026 和 IMO 2026 都达到金牌级成绩。
推荐理由：Nemotron 通过 SFT、RL 与反馈式推理在 IOI 和 IMO 都拿到金牌级成绩，给出了可复用的微调配方。
GitHub Blog · AI & MLAI 评分5050 ReviewBench：面向 AI 代码审查的开源基准
GitHub 推出 ReviewBench，一个用于评估 AI 代码审查智能体的离线基准，可衡量审查系统在不同 pull request 下的发现能力与取舍。该基准基于对 103.9M GitHub pull request 的分布建模，包含 19 种语言、187 个公开开源仓库的 219 个 pull request，并采用多来源 golden set 与统一评分标准。
Import AIAI 评分4545 Import AI 469：科学 AI、RSI 模拟器与扎克伯格的科技悲观主义
DiG-bench（Discovery in Games）通过 70 个隐藏规则的游戏，衡量 AI 系统通过自主探索发现环境隐含规则的能力。测试中 Opus 5 和 Fable 5 配合 Claude Code 整体表现最佳，仅二者能在最高 Tier 7 完成部分任务，前沿模型仍远逊于人类。