GitHub 如何用 ModernBERT 分类器实现更少噪声的密钥检测
GitHub 用微调后的 ModernBERT 分类器替换原有 LLM 密钥检测流程,用户接受度提升 11.5%,推送后扫描执行时间中位数降低 86%,服务成本降低超 98%。该两阶段流程先用正则表达式生成候选,再由分类器结合文件路径、变量名和上下文判断是否为真实凭证,并将通用密钥检测扩展到推送保护阶段。
GitHub 用微调后的 ModernBERT 分类器替换原有 LLM 密钥检测流程,用户接受度提升 11.5%,推送后扫描执行时间中位数降低 86%,服务成本降低超 98%。该两阶段流程先用正则表达式生成候选,再由分类器结合文件路径、变量名和上下文判断是否为真实凭证,并将通用密钥检测扩展到推送保护阶段。
Google DeepMind 发布 Gemini 4 Argon,面向开发者、企业和消费者开放,通过 AI Studio、Gemini API、Google Antigravity、Gemini 应用和 Search 的 AI Mode 提供,定价为每百万输入 token 2 美元、输出 token 10 美元,缓存输入享 95% 折扣。
推荐理由:官方给出 Argon 在编码、科研与安全对齐上的具体案例和定价,可据此判断前沿模型的能力边界与成本。
GitHub 与 Microsoft Applied Sciences 合作训练了 ModernBERT 分类器,用代码上下文识别无固定格式的密钥,可在 2 毫秒内评估一批候选密钥,有望让可拦截的密钥数量翻倍以上。
推荐理由:原文给出九季度密钥泄露数据与新型分类器的延迟和成本约束,读者可据此判断推送前拦截为何要换模型。
Mistral 推出 Mistral Large 4 公开预览,这是一个 1 万亿参数、520 亿激活参数的 natively 多模态模型,可在 Mistral Studio 试用预览 API,权重将于本月底发布。
推荐理由:Mistral 公布 1 万亿参数多模态模型的公开预览与开源权重计划,可据此判断开源阵营的前沿能力位置。
GitHub 发布 ReviewBench,一个面向 AI 代码审查智能体的开放离线基准,基于 1.039 亿个 GitHub PR 的分布特征构建,包含来自 187 个开源仓库、覆盖 19 种语言的 219 个 PR。
GitHub 提出 AI 时代开发者需强化三项技能:学会指挥 AI 智能体而非仅使用它、不轻信 AI 的首次答案、用 AI 节省的时间去解决更大问题。文中以 GitHub Copilot 内置的 Rubber Duck agent 为例,说明可用第二个模型对计划、代码和测试进行批判性审查。
Google DeepMind 发布新前沿模型 Gemini 4 Argon,先通过 Fairwind Program 向受信任的网络安全防御方开放,随后逐步扩展至开发者、企业和消费者,起价为每百万输入 token 2 美元、每百万输出 token 10 美元,缓存输入 token 按输入价的 95% 折扣计费。
推荐理由:官方给出 Gemini 4 Argon 的定价、1M 输出 token 上限与多项基准成绩,可据此判断前沿模型在长周期工程与安全防御上的位置。
Mistral 帮助一家欧洲能源运营商把 4 万行 Fortran 77 迁移到 C++,对象是一个没有测试套件和集中文档的物理密集型油藏模拟器。团队先搭建数值对齐测试框架,用自定义解析器生成调用树并借助 Vibe CLI 和 Mistral OCR 让上百个智能体补文档,再以规划、编码、测试、审查加人工卡点的工作流逐模块迁移。
推荐理由:Mistral 公开了用智能体迁移 4 万行 Fortran 的完整流程,其中先建数值对齐测试再迁移的做法可直接迁移到其他遗留系统改造。