让两个AI代码评审互相对打以暴露盲点

有作者分享了一种“交叉评审”做法：把一个模型给出的代码评审结果交给另一个模型去批判，用第二个模型来暴露单一模型评审的隐藏盲点。2026年10月3日的报道给出了这次互评的结果——第二个模型认为该评审整体质量很高，但指出 Finding 5 若按字面实现会在运行时出错，Findings 1、3 以及一条 Nit 存在细微不准确；其中关于用哈希而非直接丢弃 handle 的后续讨论被评为顶级建议。报道认为这种交叉评审是可复制的工程实践，能揪出单一模型容易漏掉的问题。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。