GitHub 如何用 ModernBERT 分类器实现更低噪声的密钥检测
GitHub 为密钥扫描训练了专用的 ModernBERT 分类器，与旧 LLM 流水线相比，用户告警接受率提升 11.5%，推送后扫描中位执行时间降低 86%，服务成本节省超 98%。该方案采用两阶段流水线：先用正则高召回生成候选，再由微调后的 ModernBERT 结合文件路径、变量名和上下文判断是否为真实凭据，从而把占位符、测试样例和校验和等误报过滤掉。
#GitHub
GitHub Blog · AI & MLAI 评分3232
GitHub Blog · AI & MLAI 评分3636 GitHub Copilot 入门指南：如何让 Copilot 了解你的代码库
GitHub Copilot 提供四种方式让 Copilot 理解项目上下文：仓库级自定义指令（.github/copilot-instructions.md）、按路径生效的指令文件、封装可重复流程的 agent skills（.github/skills）以及定义专用角色的自定义 agent（.github/agents）。
GitHub Blog · AI & ML精选AI 评分6262 GitHub 推出基于 ModernBERT 的密钥检测分类器，扩展 push protection
GitHub 发布与 Microsoft Applied Sciences 联合微调的 ModernBERT 分类器，用于把 push protection 扩展到无固定格式的密钥，可在 2 毫秒内评估一批候选密钥，官方称有望让可拦截的密钥数量增加一倍以上。
推荐理由：GitHub 用九个季度的数据说明密钥泄露压力来自代码量增长，并给出把检测成本压到 2 毫秒内的新分类器思路。
GitHub Blog · AI & ML精选AI 评分6060 GitHub 发布 ReviewBench：面向 AI 代码审查的开放基准
GitHub 发布 ReviewBench，一个面向 AI 代码审查智能体的开放离线基准，基于 1.039 亿个 GitHub PR 的分布构建，包含 219 个 PR、覆盖 19 种语言，采用多来源 golden set 与统一评分标准，并由资深工程师独立复核，一致率 96.6%。
推荐理由：GitHub 公开了代码审查基准的构建方法与离线到线上的验证数据，可据此判断评测信号是否可信。
GitHub Blog · AI & MLAI 评分4040 GitHub Copilot 应用入门：如何用 canvases 构建自定义工作流
GitHub Copilot 应用中的 canvas（画布扩展）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界面，无需手写代码或设计。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 Blog · AI & MLAI 评分3636 GitHub Copilot 为何认为 chat 是错误的 UI
GitHub Copilot 提出 canvas 概念，即运行在 GitHub Copilot app 内、无浏览器外壳的全栈应用，可与 agent 双向通信并调用第三方 API、在本地执行代码。官方认为 chat 只是通用兜底方案，用户明确任务时更该让 agent 构建可复用工具，而非把 agent 本身当工具，例如用 canvas 管理 Winget 包或直接操作 SQLite 数据库。
GitHub Blog · AI & ML精选AI 评分6262 GitHub Security Lab 发布 Fuzzing Taskflow 智能体流水线
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，智能体便会自动识别入口点、分析构建系统、编写 harness、运行 AFL++、读取覆盖率报告并改进 harness，最后对每个崩溃去重并生成漏洞报告。
推荐理由：原文完整披露了自主模糊测试流水线的分层架构与覆盖率反馈机制，可迁移到其他安全自动化场景。