跳到正文
SuperIntelligence
只看一手#GitHub
10月15日周四
10月14日周三
  1. GitHub Blog · AI & ML52

    GitHub 发布基于 ModernBERT 的新密钥检测模型，误报更少且成本降低超 98%

    GitHub 推出新的密钥扫描管线，采用正则表达式生成候选项并结合微调后的 ModernBERT 分类器进行上下文评估，以区分真实凭证与相似字符串。该方案使仓库所有者加权接受率提高 11.5%，中位后推送扫描执行时间缩短 86%，服务成本较之前的 LLM 管线降低超过 98%。新模型通过 ONNX 格式导出并应用 8-bit 量化，实现了在保持高召回率的同时显著减少误报和推理开销。

10月8日周四
  1. GitHub Blog · AI & ML60

    GitHub 发布新密钥保护模型以应对 AI 代码激增

    GitHub 宣布推出由 Microsoft Applied Sciences 协助构建的 ModernBERT 分类器，用于扩展推送保护至非结构化密钥。该模型能在 2 毫秒内评估候选密钥批次，预计可将可预防的密钥数量增加一倍以上。

    推荐理由：GitHub 推出基于 ModernBERT 的新分类器，将非结构化密钥检测延迟降至 2ms 以下，旨在解决 AI 生成代码激增带来的泄露防护瓶颈。

10月5日周一
  1. GitHub Blog · AI & ML50

    GitHub 发布 ReviewBench：面向 AI 代码审查的开源基准

    GitHub 推出 ReviewBench，这是一个基于 1.039 亿个真实 Pull Request 分布构建的 AI 代码审查离线基准。该基准包含覆盖 19 种语言的 219 个代表性 PR，采用多源黄金集并由高级工程师以 96.6% 的一致性进行独立验证。ReviewBench 通过结构化严重性与类别标签及四项评估指标，帮助开发者客观比较不同代码审查智能体的精度与召回率权衡。

10月2日周五
9月25日周五
  1. GitHub Blog · AI & ML78

    GitHub Security Lab Taskflow Agent：AI 驱动的自动化模糊测试流水线

    GitHub Security Lab 发布 Fuzzing Taskflow，这是一个基于 GitHub Security Lab Taskflow Agent 框架构建的自主模糊测试流水线，专为 C/C++ 项目设计。

    推荐理由：GitHub Security Lab 开源了基于 LLM Agent 的自动化模糊测试流水线，详细拆解了从 Harness 生成、覆盖率反馈循环到崩溃分诊的全流程设计。

9月24日周四
  1. GitHub Blog · AI & ML50

    GitHub Copilot 应用如何渲染超大 Pull Request

    GitHub Copilot 应用重构了 Pull Request 视图，以支持包含 2,200 个文件和超百万行变更的巨型 PR。通过分离确定性代码几何与动态评论块几何，并采用惰性测量机制，解决了因 Markdown 和异步资源导致的高度不可预测问题。该架构在保持滚动流畅的同时，有效避免了传统虚拟化方案中的布局跳动。

9月17日周四
  1. GitHub Blog · AI & ML84

    GitHub Copilot 运行时迁移至 Rust 的实践复盘

    GitHub 使用 Copilot CLI 和 App 中的 AI Agent，将 Copilot agent runtime 从 TypeScript 重写为超过 80 万行生产级 Rust 代码。

    推荐理由：文章详细复盘了利用 AI Agent 将 Copilot 运行时从 TypeScript 迁移至 Rust 的全过程，提供了大规模代码重构的增量策略、多会话并发协作模式及性能优化数据。