GitHub 的密钥检测模型：用更少噪声发现更多密钥
GitHub 上线了一款用于密钥扫描的微调 ModernBERT 分类器，采用正则候选生成 + 上下文分类的两阶段管道。实测显示，用户对告警的接受率提升 11.5%，post-push 扫描中位执行时间下降 86%，相比此前远程 LLM 管道服务成本降低 98%。该模型结合文件路径、变量名与周边代码，将真实凭据与占位符、测试夹具等高难度负样本区分开。
#GitHub
#GitHub
今日 0 条GitHub Blog · AI & MLAI 评分3838
NVIDIA Blog精选AI 评分6565 RTX Spark笔记本10月16日上市，NVIDIA公布本地AI软件生态更新
NVIDIA RTX Spark笔记本电脑将于10月16日（周五）正式发售，搭载最高128GB统一内存与1 petaflop AI算力，上周已与微软联合公布。
推荐理由：原文梳理了RTX Spark笔记本上市前后的本地AI软件生态，可看出端侧智能体所需的模型、沙箱与工具栈已大致就绪。
GitHub Blog · AI & ML精选AI 评分6565 GitHub 与微软合作发布 ModernBERT 分类器，把推送保护扩展到非结构化密钥
GitHub 与微软应用科学合作发布 ModernBERT 分类器，把推送保护扩展到数据库连接串、Kubernetes Secret、Dockerfile 等无固定模式的非结构化密钥，单次判定在 2 毫秒内完成，预计让推送阶段被阻止的密钥数翻倍以上。
推荐理由：GitHub 引用九个季度数据指出代理写码推高密钥泄露量，并推出与微软共建的 ModernBERT 分类器，可在 2 毫秒内识别非结构化密钥、扩展推送保护。
GitHub Blog · AI & ML精选AI 评分6363 GitHub 开源 AI 代码审查评测基准 ReviewBench
GitHub 发布开源 AI 代码审查评测基准 ReviewBench，基于 103.9M 真实 pull request 抽取 219 条跨 19 种语言的样本，资深工程师独立复核与 ground truth 一致率达 96.6%。
推荐理由：ReviewBench 把 GitHub 上真实 pull request 的分布固化为可复现评测，附带资深工程师校验的 ground truth 与自提交 leaderboard。
GitHub Blog · AI & MLAI 评分2424 GitHub：AI 正在改变开发者工作，三项技能值得强化
GitHub 博客发文指出，AI 正在改变开发者工作方式，需强化三项技能：学会指挥 AI 智能体而非仅使用、不盲信 AI 的首次输出、利用 AI 节省的时间解决更宏观的问题。其中 GitHub Copilot 内置的 Rubber Duck agent 会调用第二个模型对方案、代码和测试进行批判性审查，帮助发现单次输出中的盲点。
GitHub Blog · AI & MLAI 评分5252 GitHub Copilot 应用入门：如何用 canvases 构建自定义工作流
GitHub 官方博客介绍 GitHub Copilot 应用中的 canvas（canvas extension），用户打开 agent 会话、输入 /create-canvas 技能并用自然语言描述工作流，即可生成现成可用的界面扩展。
GitHub Blog · AI & MLAI 评分5353 为什么聊天框往往是错误的 UI：GitHub Copilot 的 canvas 实践
GitHub 博客文章提出聊天框往往是使用 AI 的错误界面，并介绍 GitHub Copilot 应用中的 canvas 作为替代。canvas 是运行在 Copilot 应用内、不带浏览器外壳的全栈应用，可与 agent 双向通信，文中用 Connect 4 游戏、Winget 包管理和 SQLite 数据库等示例演示其构建方式。
GitHub Blog · AI & MLAI 评分5959 GitHub Security Lab 开源 Fuzzing Taskflow 智能体模糊测试流水线
GitHub Security Lab 开源 Fuzzing Taskflow，这是一条面向 C/C++ 项目的自主模糊测试流水线，指向一个 GitHub 仓库后即可自动识别入口点、编写 harness、运行 AFL++、读取覆盖率、改进 harness 并分类崩溃，默认使用 Claude Sonnet 5。
GitHub Blog · AI & MLAI 评分5555 GitHub Copilot app 如何渲染超大 pull request
GitHub Copilot app 重建了 pull request 视图，使包含 2,200 个文件、超百万行改动和 400 多条行内评论的 diff 也能正常打开和滚动。核心做法是把代码行高度与评论块高度拆成两套几何，评论高度懒测量并按内容身份做滚动锚定，避免已渲染内容回写布局造成跳动。文中还介绍了用无头探针和无人值守循环在真实引擎上复现并定位性能问题的流程。
GitHub Blog · AI & MLAI 评分3434 GitHub Podcast：AI 生成的代码该不该读？RAG 已死？Skills 杀死了 MCP？
GitHub Podcast 最新一期逐条拆解 AI 热门观点：AI 生成的代码仍需阅读与审查，RAG 并未"已死"，Skills 也没有杀死 MCP。MCP 为智能体连接工具与数据提供标准，Skills 更接近打包好的专业知识，两者解决不同问题、可共存于同一工作流。节目还提到，越来越多团队会问候选人如何使用 AI，但更关键的信号是判断力。
GitHub Blog · AI & ML精选AI 评分9090 GitHub Copilot 用智能体将运行时迁移到 Rust，生产代码超 800,000 行
GitHub 用 Copilot 智能体把 Copilot 运行时从 TypeScript 重写为超过 800,000 行生产级 Rust，分布在 128 个 PR 中并增量上线。
推荐理由：文章复盘了用 AI 智能体把大型 TypeScript 运行时原地迁移到 Rust 的做法，可供大规模智能体重构参考。
GitHub Blog · AI & MLAI 评分5555 GitHub 营销团队如何用 Copilot 和 Actions 自动化活动全流程
GitHub 日本与韩国市场负责人 Tomoko Tanaka 把活动营销流程改成以 GitHub Issue 为入口的自动化系统，用 issue 表单收集字段、标签触发 Actions，由 GitHub Copilot 起草内容。
GitHub Blog · AI & MLAI 评分5555 GitHub Copilot app 新手指南：同时运行多个智能体
GitHub Copilot app 支持同时运行多个智能体会话，每个会话运行在独立的 Git worktree 上，彼此互不干扰。会话视图用卡片展示会话标题和任务进度，每个会话保留自己的上下文，可随时切换并接着上次的进度继续。文中以 tailspin-toys 仓库为例，同时启动 funded sort、无障碍审查和测试三个会话，官方建议先从同时跑两个小任务开始试。
Google ResearchAI 评分5050 Google Research 与 NASA JPL 用深度学习从太空绘制全球甲烷排放地图
Google Research 与 NASA JPL 在 PNAS 上发表论文，提出 MAPL-EMIT 深度学习框架，将 NASA EMIT 卫星高光谱数据自动转化为全球甲烷点源图。
Import AIAI 评分4242 Import AI 470：机器不应享有权利；用 SPADE 自动生成环境；用 Hawkeye 构建更好的 GPU kernel
Import AI 470 收录 METR 的 AI 加速科学发现分析，以及 SPADE 和 Hawkeye 两项工作。METR 发现 AI 对网络安全漏洞发现的加速最明显，数学研究仅小幅加速，AI 研究本身几乎测不到加速。SPADE 让 LLM 自博弈生成可执行训练环境，在 Qwen3-30B-A3B-Instruct-2507 上把游戏环境套件平均分提到 58.3，较基线高 8.1。
Mistral AIAI 评分5252 Mistral 收购 Emmi AI，加码工业 Physics AI 布局
Mistral 通过收购 Emmi AI 加码 Physics AI 方向，面向航空航天、汽车、半导体和能源等行业开发工业级 AI 解决方案。
Google ResearchAI 评分3939 Google Research：构建更好的 AI 基准需要多少评分者？
Google Research 论文发现，AI 评测中常用的每项 1–5 名评分者配置往往不足以捕捉人类意见分歧，常需 10 名以上。若目标是多数投票，广度（更多样本）更有效；若要还原意见的全部分歧，深度（更多评分者）才是关键。正确配比下，约 1,000 条标注即可实现高可复现结果，相关模拟器已在 GitHub 开源。
Mistral AIAI 评分4747 Spaces：Mistral AI 为人类开发者与 AI 智能体设计的 CLI
Mistral AI 团队设计的内部 CLI 工具 Spaces 支持项目脚手架、开发环境启动与 staging 部署。团队在实践中发现 AI 智能体无法解析交互式提示中的 ANSI 转义码，因此为每个交互问题都设置对应的 flag 输入选项；结合插件化架构与自动生成的 context.json 和 AGENTS.md，AI 智能体可基于结构化数据自主完成从配置到部署的全流程。