微软亚洲研究院发布 Harnessed Agentic RL 训练范式并开源重建的 Agent Lightning v1.0，让部署时使用的同一 agent harness 直接参与强化学习，无需在训练框架内重新实现智能体。
推荐理由：框架让部署用的真实 agent harness 直接参与 RL 训练，还给出端到端编码智能体训练管线，读者可评估是否接入现有工作流。
GitHub 推出 AI 代码评审离线基准 ReviewBench，现可公开使用。基准基于 1.039 亿个 GitHub pull request 建模分布，语料包含来自 187 个开源仓库、覆盖 19 种语言的 219 个公开 pull request，采用人类评审、前沿 LLM 与静态分析多来源 golden set，并由资深工程师独立标注，一致性达 96.6%。
Berkeley Sky Lab 的 K-Search 框架通过新增 MLX 后端和结构化 CUDA-to-MLX 翻译层，将 NVIDIA 生态多年积累的内核优化知识自动迁移到 Apple Silicon。
推荐理由：原文给出可复现的方法和具体数字，说明结构化 CUDA 翻译层在 Apple Silicon 上带来的性能差异。