GitHub 推出新的秘密检测流水线，采用微调的 ModernBERT 分类器替代原有的 LLM 方案，旨在区分真实凭证与上下文中的假阳性样本。该方案将推送后扫描的中位执行时间降低 86%，服务成本降低超过 98%，同时使仓库所有者加权的警报接受率提升 11.5%。新流程结合正则表达式进行候选生成，利用模型理解代码上下文以过滤测试夹具或文档占位符等干扰项。
推荐理由：文章披露了 GitHub 秘密扫描新架构的技术细节与实测数据，展示了如何用轻量级分类器替代 LLM 以降低误报并提升效率。
GitHub 推出基于 ModernBERT 分类器的 AI 密钥保护功能，旨在解决软件规模扩大带来的秘密泄露问题。该模型能在推送前评估候选秘密，响应时间低于两毫秒，预计可将防止的秘密数量增加一倍以上。目前该功能处于私人预览阶段，将于本月向 GitHub Enterprise Cloud 和 Teams 组织开放，并集成到 Copilot CLI 的 /security-review 命令中。
推荐理由：GitHub 推出基于 ModernBERT 的 AI 密钥检测模型，将非结构化秘密拦截率提升一倍以上，并在推送环节实现毫秒级响应。
GitHub 发布 ReviewBench，这是一个面向 AI 代码审查智能体的开源离线基准。该基准分析了 1.039 亿个 GitHub Pull Request（PR），从中选取了涵盖 19 种语言的 219 个代表性 PR，构建了多源黄金标准集（结合人类评审、静态分析工具及前沿 LLM）。
推荐理由：ReviewBench 基于千万级真实 PR 构建，提供可复现的代码审查评估框架与公开数据集，帮助开发者量化智能体性能并预测生产环境表现。