跳到正文
#GitHub
10月14日周三
  1. GitHub Blog · AI & ML58

    GitHub 发布基于 ModernBERT 的新密钥检测模型

    GitHub 推出新的密钥检测系统，采用 Regex 候选生成加 fine-tuned ModernBERT 上下文分类的两阶段管线。相比此前 LLM 方案，该模型将中位扫描执行时间降低 86%，服务成本节省超过 98%，用户接受度提升 11.5%。新系统已扩展至 push protection，能在代码提交前实时拦截潜在泄露。

10月13日周二
10月8日周四
  1. GitHub Blog · AI & ML62

    GitHub 发布新密钥保护模型以应对 AI 代码激增

    GitHub 宣布引入与 Microsoft Applied Sciences 共同开发的 ModernBERT 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 推出基于 ModernBERT 的密钥检测模型，将 push protection 响应时间降至 2ms 以下并提升拦截率，解决 AI 加速代码生成下的安全滞后问题。

10月5日周一
  1. GitHub Blog · AI & ML60

    GitHub 发布 AI 代码审查开放基准 ReviewBench

    GitHub 发布 ReviewBench，这是一个用于评估 AI 代码审查智能体的开放基准。该基准基于对 GitHub 上 1.039 亿个真实 Pull Request 的分析构建，包含覆盖 19 种语言的 219 个代表性 PR。

    推荐理由：GitHub 开源了基于亿级真实 PR 分布构建的代码审查基准 ReviewBench，提供了可复现的离线评估方法以辅助模型迭代。

10月2日周五
  1. GitHub Blog · AI & ML28

    GitHub 提出开发者需强化的三项 AI 协作技能

    GitHub 指出开发者应重点提升指挥 AI、评估输出及解决复杂问题的能力。建议利用 GitHub Copilot 的 Rubber Duck agent 引入第二模型进行代码批判，以弥补单一模型的盲区。通过让 AI 承担实现工作，开发者可聚焦于架构权衡与需求验证等高价值决策。

9月26日周六
9月25日周五
  1. GitHub Blog · AI & ML78

    GitHub Security Lab 发布 AI 驱动的 Fuzzing Taskflow Agent

    GitHub Security Lab 推出 Fuzzing Taskflow，这是一个针对 C/C++ 项目的自主模糊测试流水线。该工具利用 LLM Agent（默认使用 Claude Sonnet 5）自动识别入口点、编写 AFL++ 测试桩、分析覆盖率并生成漏洞报告。

    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，展示了如何利用大模型替代人工完成从编写测试桩、分析覆盖率到漏洞分诊的全流程工作。