GitHub 用模型做密钥检测：更少误报中找出更多密钥
GitHub 为密钥扫描训练了一个上下文感知的密钥分类器，采用正则召回候选、ModernBERT 细调模型判别真伪的两阶段流水线，取代此前的 LLM 方案。官方称用户对告警的接受度提升 11.5%，推送后扫描执行中位时间缩短 86%，服务成本较远程 LLM 调用降低逾 98%，并因此将通用密钥检测扩展到推送保护阶段。
#GitHub
#GitHub
今日 0 条GitHub Blog · AI & MLAI 评分3131
GitHub Blog · AI & MLAI 评分3030 GitHub Copilot 入门：如何让 Copilot 了解你的代码库
GitHub Copilot 可通过四种方式定制对项目的理解：.github/copilot-instructions.md 定义仓库级约定，.github/instructions 支持按 applyTo 字段的路径级指令。
OpenAI NewsAI 评分5757 OpenAI 公布前沿模型在数学开放问题上的进展
OpenAI 发布内部前沿模型在数学开放问题上的新结果，并在 GitHub 上公开 Lean 证明形式化与研究细节。材料仅提供摘要，未给出具体问题、模型名称或结果数据。
GitHub Blog · AI & MLAI 评分4444 ReviewBench：面向 AI 代码审查的开源基准
微软发布开源离线基准 ReviewBench，用于评估 AI 代码审查智能体的表现，基于 GitHub 上 103.9M 个真实 pull request 的分布构建。
GitHub Blog · AI & MLAI 评分2020 AI 正在改变开发者工作，GitHub 给出三项需要强化的技能
GitHub 提出 AI 时代开发者应强化三项技能：学会指挥 AI 智能体而非只使用 AI、不要轻信 AI 的第一次答案、用 AI 节省的时间去解决更大的问题。GitHub Copilot 内置的 Rubber Duck agent 会用第二个模型对计划、代码和测试进行批判性审查。开发者仍需负责最终结果，包括定义问题、评审 AI 生成的代码并决定哪些可以发布。
GitHub Blog · AI & MLAI 评分5353 GitHub Copilot app 入门：如何用 canvases 构建自定义工作流
GitHub Copilot app 的 canvas（画布）是一种可自定义界面，用户和智能体共享同一状态，可用看板、清单或仪表盘等形式承载工作流。在 agent 会话中输入 /create-canvas 技能并用自然语言描述工作流、用户可执行的操作和智能体可执行的操作，无需写代码或做设计，界面会在右侧面板生成。
GitHub Blog · AI & MLAI 评分4545 当聊天是错误的选择：GitHub Copilot 如何用 canvases 替代聊天框
在 GitHub Copilot 应用中，canvas 是运行于应用内的全栈小程序，可与 Copilot agent 双向通信，也能调用第三方 API 并在本地执行代码，例如用 Winget 界面管理本地包或直接操作 SQLite 数据库，无需每次都消耗 token 让 agent 代劳。基于 canvas 可以把研究、原型、实现等开发流程自动化，让自己按需退出循环，而不是被聊天输入框限制。
GitHub Blog · AI & MLAI 评分2424 GitHub Copilot 应用如何渲染超大型 pull request
GitHub Copilot 应用重建了 pull request 视图，用一个含 2,200 个文件、超 100 万行改动、400 多条行内评审评论的开源 PR 验证其性能。代码行沿用"绘制前高度已知"的确定性虚拟化几何，评论等动态块则改为可预估、惰性测量并以文件与行号锚定的独立几何，避免滚动跳变。
GitHub Blog · AI & ML精选AI 评分8181 GitHub Copilot 运行时如何用 Copilot 迁移到 Rust
GitHub 用 Copilot 智能体把 Copilot agent runtime 从 TypeScript 完全重写为超过 80 万行 Rust，AI 智能体编写了大部分代码，跨 128 个 pull request 增量合入 main。
推荐理由：一位工程师复盘用 AI 智能体把 43 万行 TypeScript 运行时迁到 Rust 的全过程，含编排、缓存与评审经验。
GitHub Blog · AI & MLAI 评分2929 GitHub 营销运营即代码：用 Copilot 把活动从策划到跟进全流程自动化
GitHub 日韩营销团队用 GitHub Issue 表单、Labels 和 Actions 把活动运营流水线化：Issue 表单收集活动字段，标签触发工作流，活动从单个 Issue 自动搭建、每天筛选报名者并在结束后自动收尾。
Hugging Face BlogAI 评分4545 Hugging Face 用 AI 与开源工具实现 huggingface_hub 每周发版
Hugging Face 将 huggingface_hub 的发布流程从每 4 到 6 周一次改为每周一次，全部由一个 GitHub Actions workflow 驱动。
Hugging Face BlogAI 评分4242 如何将 GitHub CI 迁移到 HF Jobs：Trackio 实践指南
Hugging Face 发布指南，介绍如何通过 huggingface/jobs-actions 把 GitHub Actions 的 CI 任务迁移到 HF Jobs 上运行。该方案将 GitHub Actions 任务转为 HF Jobs 内的临时自托管 runner，Trackio 借此让 CPU 任务 CI 时间缩短约 30%，并新增了在 GPU 机器上运行的测试套件。
Hugging Face BlogAI 评分5252 从零到 GPU：构建与规模化生产级 CUDA Kernel 指南
Hugging Face 发布 kernel-builder 使用指南，演示如何从零编写一个 CUDA kernel（以 RGB 转灰度为例），将其注册为原生 PyTorch 算子并发布到 Hugging Face Hub。
Hugging Face Blog精选AI 评分6262 Gradio 5 发布安全审计结果，修复 Trail of Bits 发现的四类场景漏洞
Gradio 团队公布由 Trail of Bits 对 Gradio 5 所做的独立安全审计，相关漏洞均在 Gradio 5.0 发布前修复并通过验证。
推荐理由：Gradio 5 与 Trail of Bits 的安全审计公开了四类场景下的漏洞清单与修复方式，可供自建 ML 应用时对照排查。
Hugging Face BlogAI 评分3939 Hugging Face 在 Transformers 中上线 Informer，支持多变量概率时间序列预测
Hugging Face 将 AAAl21 最佳论文提出的 Informer 模型集成进 🤗 Transformers，用于多变量概率时间序列预测，即预测未来时间序列目标值向量的分布。
Hugging Face BlogAI 评分3939 如何用 Megatron-LM 训练语言模型
Hugging Face 发布教程，讲解如何在 NVIDIA GPU 上用 Megatron-LM 训练 GPT2 语言模型，并转换到 Transformers 使用。Megatron-LM 的优势在于高效 DataLoader 与 Fused CUDA Kernels，还采用了 Apex 的 Fused AdamW，比 PyTorch 实现更快。教程涵盖环境配置、数据预处理、训练和模型转换四步。
Hugging Face BlogAI 评分3939 Hugging Face Hub 推出 Pull Requests 与 Discussions
Hugging Face Hub 上线 Pull Requests 与 Discussions，所有模型、数据集和 Spaces 仓库即日起可在 Community 标签页使用，任何社区成员都能创建和参与。