GitHub 推出基于 ModernBERT 的通用密钥检测模型,扩展推送保护
GitHub 发布基于 ModernBERT 的通用密钥检测分类器,利用上下文在 2 毫秒内评估候选密钥,可将可拦截的密钥数量提升一倍以上。
推荐理由:GitHub 公开九季度密钥泄露数据,并说明新分类器如何把推送拦截扩展到非结构化密钥。
GitHub 发布基于 ModernBERT 的通用密钥检测分类器,利用上下文在 2 毫秒内评估候选密钥,可将可拦截的密钥数量提升一倍以上。
推荐理由:GitHub 公开九季度密钥泄露数据,并说明新分类器如何把推送拦截扩展到非结构化密钥。
GitHub 发布 ReviewBench,一个面向 AI 代码审查的开放离线基准,基于 1.039 亿个 GitHub pull request 的分布构建,包含 19 种语言的 219 个公开 pull request。
推荐理由:GitHub 公开了代码审查基准的构建方法与评分口径,读者可据此理解 AI 代码审查评测的取舍。
GitHub Copilot 应用中的 canvas 是一种可自定义的双向界面,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工具,无需编写代码。canvas 会保存为扩展,可随项目共享或作为个人扩展复用,社区已在 Awesome Copilot 分享发布说明、看板、issue 分诊等现成扩展。
GitHub 认为 chat 并非与 LLM 交互的最佳界面,其 GitHub Copilot app 推出 canvas——一种运行在应用内、无浏览器外壳的全栈小应用,可与 Copilot agent 双向通信,也能调用第三方 API 并在本地执行代码。
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,最后对每个崩溃做定级并生成漏洞报告。
推荐理由:GitHub Security Lab 把模糊测试的 harness 编写、覆盖率追踪与崩溃定级交给 LLM 智能体,读者可据此判断自动化安全测试的边界。
GitHub Copilot 应用重建了 pull request 视图,用一个含 2,200 个文件、超百万行改动和 400 多条行内评论的开源 PR 做压力测试。它把文档高度拆成确定性的代码几何与动态块几何两部分,评论高度按需测量并锚定到文件、行和侧,避免滚动跳变。
GitHub 用 GitHub Copilot app 和 Copilot CLI 把 Copilot agent runtime 从 TypeScript 完全重写为超过 80 万行生产级 Rust,AI 智能体写了大部分代码,分布在 128 个 PR 中增量合入 main,而非一次性切换。
推荐理由:作者以亲历者身份给出把 80 万行运行时迁到 Rust 的完整工程细节,可迁移到大规模 Agent 协作开发。