跳到正文
#GitHub
10月14日周三
  1. GitHub Blog · AI & ML53

    GitHub 发布基于 ModernBERT 的新秘密检测模型

    GitHub 推出新的秘密扫描管线，采用正则表达式初筛结合微调 ModernBERT 分类器进行上下文判断，以区分真实凭证与相似字符串。该方案将推送后扫描的中位执行时间缩短 86%，服务成本降低超过 98%，并使仓库所有者加权接受率提升 11.5%。新模型已支持在代码推送前拦截潜在泄露，旨在减少误报干扰并提高检测准确率。

10月13日周二
  1. GitHub Blog · AI & ML50

    GitHub Copilot 如何配置自定义指令、技能与 MCP 以适配代码库

    GitHub Copilot 通过四种机制让 AI 理解项目规范：仓库级 `.github/copilot-instructions.md` 定义通用约定，`.github/skills` 封装可重复流程，`.github/agents` 提供专项任务指导，MCP 服务器连接外部工具。这些配置使 Copilot 能自动遵循团队标准并扩展能力，无需每次手动解释上下文。

10月8日周四
  1. GitHub Blog · AI & ML68

    GitHub 发布基于 ModernBERT 的密钥保护新模型以应对 AI 生成代码激增

    GitHub 推出由 Microsoft Applied Sciences 协助构建的 ModernBERT 微调分类器，用于扩展 Push Protection 对非结构化密钥的检测能力。

    推荐理由：GitHub 引入基于 ModernBERT 的新分类器，将非结构化密钥检测延迟降至 2ms 以下并提升拦截率，展示了 AI 在代码安全防护中的工程化落地。

10月5日周一
  1. GitHub Blog · AI & ML65

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

    GitHub 推出 ReviewBench，这是一个用于评估 AI 代码审查智能体的开源离线基准。该基准基于对 GitHub 上 1.039 亿个真实 Pull Request 的分析构建，包含涵盖 19 种语言的 219 个代表性 PR，并采用多源黄金集和独立验证机制。

    推荐理由：原文公开了基于亿级真实PR构建的代码审查基准，提供了可复现的评估方法以量化AI审查器的精度与召回权衡。

9月26日周六
  1. GitHub Blog · AI & ML45

    GitHub Copilot app 新手指南：如何用 canvases 构建自定义工作流

    GitHub Copilot app 推出 canvases 功能，允许用户通过 `/create-canvas` 指令以自然语言描述生成可定制的双向交互界面。该机制支持看板、清单等多种形态，实现人与 AI 智能体实时同步操作状态。用户可将生成的 canvas 保存为扩展供团队共享，或通过 Awesome Copilot 社区安装现成模板进行二次开发。