GitHub 推出基于 ModernBERT 的通用密钥检测模型
GitHub 发布与 Microsoft Applied Sciences 合作微调的 ModernBERT 分类器,用上下文判断非结构化密钥,可在 2 毫秒内评估一批候选密钥,据称能把可拦截的密钥数量提升一倍以上。
推荐理由:GitHub 用九个季度数据说明密钥泄露与代码量同步增长,并给出把检测成本压到毫秒级的工程取舍。
GitHub 发布与 Microsoft Applied Sciences 合作微调的 ModernBERT 分类器,用上下文判断非结构化密钥,可在 2 毫秒内评估一批候选密钥,据称能把可拦截的密钥数量提升一倍以上。
推荐理由:GitHub 用九个季度数据说明密钥泄露与代码量同步增长,并给出把检测成本压到毫秒级的工程取舍。
GitHub 发布代码审查离线基准 ReviewBench,基于 1.039 亿个 GitHub pull request 的分布特征,构建了覆盖 19 种语言、187 个开源仓库的 219 个 pull request 评测集。
GitHub 博客指出,AI 正在改变开发者工作方式,写代码仍重要,但开发者更需要学会指挥 AI、评估其输出并做出技术决策。文章给出三项建议:学会指挥 AI 智能体而非只是使用它;不要轻信 AI 的第一个答案,可用第二个模型进行批判,例如 GitHub Copilot 内置的 Rubber Duck agent 会用第二个模型审查计划、代码和测试;用 AI 节省的时间去解决更大的问题。
GitHub Copilot 应用中的 canvas(画布扩展)是一种可自定义界面,用户只需在 agent 会话中输入 /create-canvas 并用自然语言描述需求,即可生成看板、发布清单或仪表盘等界面,无需编写代码。
GitHub Copilot 提出用 canvas 替代聊天框作为与 AI 协作的主要界面。canvas 是运行在 GitHub Copilot 应用内的全栈小应用,可与 agent 双向通信,也能调用第三方 API 或在本地执行代码,例如用 canvas 管理 Winget 包、操作 SQLite 数据库。
GitHub Security Lab 发布 Fuzzing Taskflow,一个面向 C/C++ 项目的自主模糊测试流水线,只需指向一个 GitHub 仓库,它就会识别入口点、分析构建系统、编写 harness、运行 AFL++、读取覆盖率报告并改进 harness,最后对每个崩溃做分诊并生成漏洞报告。
推荐理由:GitHub Security Lab 把模糊测试的 harness 编写、覆盖率追踪与崩溃分诊交给 LLM 智能体,读者可了解其任务流与工具分层设计。
GitHub Copilot 应用重建了 pull request 视图,用一个含 2,200 个文件、超 100 万行改动、400 多条行内评论的开源 PR 做压力测试。其做法是把文档高度拆成确定性的代码几何与动态块几何两个独立域:代码行高提前精确算出,评论等动态块按稳定 key 锚定到文件、行和侧,惰性测量并只做小幅修正,从而避免滚动跳变。