微软研究院发布 Flint-interactive,用高层语言让智能体生成可交互数据图表
微软研究院发布 Flint-interactive,一种在 Flint 之上创建交互式数据可视化的语言,让智能体生成用户可点击、筛选、缩放、高亮并跨图表联动的图表。
推荐理由:微软研究院把交互逻辑交给编译器处理,让智能体生成可点击、可联动的图表,减少反复调试的消耗。
微软研究院发布 Flint-interactive,一种在 Flint 之上创建交互式数据可视化的语言,让智能体生成用户可点击、筛选、缩放、高亮并跨图表联动的图表。
推荐理由:微软研究院把交互逻辑交给编译器处理,让智能体生成可点击、可联动的图表,减少反复调试的消耗。
GitHub 博客采访三位有十余年 Java 经验的 Java Champion,介绍他们在生产项目和开源项目中使用 GitHub Copilot 的具体做法。
GitHub 官方教程介绍如何把 GitHub Copilot 应用中的会话直接打开到 VS Code 继续处理,会话的任务、计划和对话记录、代码差异以及独立工作树都会一并保留。读者可以在 VS Code 中逐行审阅智能体的改动、手动编辑、在集成终端运行测试,再把改动推送到该会话关联的拉取请求。前提是已安装并登录 GitHub Copilot 应用和 VS Code,且对会话所在仓库有推送权限。
GitHub 为密钥扫描训练了专用分类器,采用正则筛选加 ModernBERT 上下文分类的两阶段流程,替代此前的 大语言模型(LLM,Large Language Model) 流水线。相比旧方案,用户告警接受率提升 11.5%,推送后扫描中位执行时间缩短 86%,服务成本降低 98% 以上。该效率使通用密钥检测得以扩展到推送保护,在代码推送前就返回结果。
GitHub 发布 Copilot 入门教程,介绍四种让 Copilot 了解代码库的方式:自定义指令、智能体技能、自定义智能体和模型上下文协议(MCP,Model Context Protocol)服务器。
GitHub 发布与 Microsoft Applied Sciences 合作微调的 ModernBERT 分类器,把推送保护扩展到无固定格式的密钥,可在两毫秒内评估一批候选密钥,并称可让可拦截的密钥数量翻倍以上。
推荐理由:GitHub 用九个季度的数据说明密钥泄露与代码量同步增长,并给出把防护成本从人工转移到模型推理的思路。
Microsoft Research Asia 开源 Agent Lightning v1.0,这是一个约 3500 行代码的轻量智能体强化学习框架,让部署时使用的智能体框架直接参与训练,无需在训练框架里重写智能体。
推荐理由:框架把部署用的智能体直接接入强化学习训练,并给出约 6000 条样本提升 14.6 个百分点的完整流程,可据此判断改造成本。
GitHub 发布 人工智能(AI,Artificial Intelligence) 代码评审开放基准 ReviewBench,包含 219 个公开拉取请求、覆盖 19 种语言,并公开数据集、评分规则和评审模型。
推荐理由:GitHub 公开了基准数据集、评分规则和评审模型,读者可以据此复现评测,并了解离线结果与线上实验的对应关系。
GitHub Copilot 应用介绍用 canvases(画布扩展)搭建自定义工作流的方法:在智能体会话中输入 /create-canvas 技能,用自然语言描述工作流、界面操作和智能体可执行的动作,智能体就会生成界面并在右侧面板打开,无需手写代码或调整布局。