GitHub 新密钥检测模型:用更少误报发现更多密钥
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 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。
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。