GitHub Copilot 入门教程：如何让 Copilot 了解你的代码库
GitHub Copilot 入门系列介绍四种让 Copilot 适配项目的方式：用 `.github/copilot-instructions.md` 和 `.github/instructions` 定义仓库级与路径级规范。
全部 AI 动态
GitHub Blog · AI & MLAI 评分4646
GitHub Blog · AI & ML精选AI 评分6767 GitHub 将 ModernBERT 分类器用于 push 保护，拦截非结构化密钥
GitHub 与 Microsoft Applied Sciences 合作构建 ModernBERT 分类器，把 push 保护扩展到无固定格式的密钥，候选批次评估耗时不到 2 毫秒，有望使可拦截的密钥数量翻倍以上。
推荐理由：文章给出了 GitHub 秘密扫描的季度数据，并说明新分类器上线后如何把防护提前到 push 之前。
Mistral AI精选AI 评分8787 Mistral 发布 1 万亿参数多模态模型 Mistral Large 4 预览版
Mistral AI 推出 Mistral Large 4 公开预览，这是一个 1 万亿参数、520 亿激活参数的原生多模态模型，可通过 Mistral Studio 的预览 API 试用，权重将在本月底发布。
推荐理由：官方给出 1 万亿参数规模、开源权重时间点与多项基准对比，可据此判断开源模型的性能位置。
GitHub Blog · AI & ML精选AI 评分6262 GitHub 发布 ReviewBench 开源 AI 代码评审基准
GitHub 发布代码评审基准 ReviewBench，基于 1.039 亿条真实 PR 的分布构建，包含 219 条来自 187 个开源仓库、覆盖 19 种语言的 PR。
推荐理由：GitHub 公开了代码评审智能体基准的数据集、评分规范和评审模型，附离线与线上实验的一致性证据。
Mistral AIAI 评分5656 Mistral 与 Mozilla 达成合作，为 Firefox Smart Window 提供模型支持
Mistral 宣布与 Mozilla 合作，Firefox 的 AI 浏览助手 Smart Window（beta）改由 Mistral 模型驱动。该助手帮助用户理解复杂搜索、找回此前浏览过的内容，并根据浏览器标签页溯源信息。Mistral 将为法国和北美用户提供支持，英国和德国预计今年晚些时候跟进；对话默认不保存在 Mozilla 服务器，合作方同意零数据保留。
Berkeley AI Research精选AI 评分6161 从 CUDA 到 MLX：K-Search 如何把内核优化经验带到 Apple Silicon
Berkeley AI Research 博客介绍给 K-Search 演进式内核搜索框架新增 MLX 后端和结构化 CUDA-to-MLX 翻译层，把已有 CUDA 内核知识迁移到 Apple Silicon。
推荐理由：研究展示 CUDA 优化经验可经结构化翻译迁移到 MLX，让演进式内核搜索在 Apple Silicon 上接近专家水平。
Berkeley AI ResearchAI 评分4040 智能免费之后怎么办？面向、属于与由智能体构建的数据系统
UC Berkeley 的 Aditya G. Parameswaran 等人提出，推理成本快速下降后将出现三类新挑战：为智能体设计的数据系统、支撑智能体群体的数据系统，以及由智能体自主合成数据系统。
Berkeley AI ResearchAI 评分5252 自适应并行推理：高效推理扩展的下一个范式
Berkeley AI Research 发布文章，梳理自适应并行推理（APR）的研究进展，把它定义为模型在推理时动态分配并行与串行算力的范式。文章对比 self-consistency、Best-of-N、Tree-of-Thoughts、MCTS、ParaThinker、GroupThink、Hogwild!
Berkeley AI ResearchAI 评分4545 GRASP：面向世界模型的梯度规划方法，让长时程规划更稳健
研究者提出基于梯度的世界模型规划器 GRASP，通过把轨迹提升到虚拟状态实现跨时间并行优化、在状态迭代中注入随机性以探索，并重塑梯度避免经由高维视觉模型的高维“状态-输入”梯度。长时程规划中存在计算图条件数随时程指数恶化、非贪心结构带来局部极小值等问题，GRASP 针对这些失败模式提升了规划的稳健性。
Berkeley AI ResearchAI 评分4949 面向 LLM 的大规模交互识别：SPEX 与 ProxySPEX 算法
伯克利 AI 研究团队介绍了 SPEX 与 ProxySPEX 两种算法，用于在特征归因、数据归因与机制可解释性中大规模识别关键交互。SPEX 利用稀疏性与低阶性把交互搜索转化为稀疏恢复问题；ProxySPEX 进一步利用层次结构，在约少 10 倍消融次数下达到 SPEX 的性能。在情感分析与 RAG 等任务上，SPEX 在上下文扩展到数千特征时仍保持高忠实度。