GitHub Copilot 入门：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：在 .github/copilot-instructions.md 中定义仓库级自定义指令，用 .github/skills 下的 agent skills 封装可重复流程，用 .github/agents 中的自定义 agent 处理跨文件复杂任务，并通过 MCP 服务器连接外部工具与数据源。
全部 AI 动态
GitHub Blog · AI & MLAI 评分3636 Microsoft ResearchAI 评分5252 微软研究院提出 StudentSim：用学生模拟器为 AI 辅导提供反馈
微软研究院提出 StudentSim，从公开的去标识化学习记录训练个性化 AI 学生模拟器，用于在接触真实学习者之前评估和改进 AI 辅导系统。研究同时发布 StudentSimEval 基准，覆盖国际象棋、第二语言英语写作和数学三个领域，从行为保真度和指导响应度两个维度评估模拟器。
GitHub Blog · AI & ML精选AI 评分6060 GitHub 推出基于 ModernBERT 的密钥检测分类器，将防护前移到 push 环节
GitHub 发布与 Microsoft Applied Sciences 合作微调的 ModernBERT 分类器，用代码上下文识别无固定格式的密钥，候选批次评估耗时不到 2 毫秒，可将可拦截的密钥数量提升一倍以上。
推荐理由：GitHub 用九个季度的数据说明密钥泄露压力来自代码量增长，并给出用分类器把防护前移到 push 环节的思路。
Microsoft Research精选AI 评分7878 微软研究院开源 Agent Lightning v1.0：约 3500 行的轻量智能体 RL 框架
微软研究院开源 Agent Lightning v1.0，这是一个约 3500 行代码的轻量智能体强化学习框架，提出 Harnessed Agentic RL 范式，让部署时使用的 agent harness 直接参与训练，无需在训练框架内重写 agent。
推荐理由：框架把部署用的 agent harness 直接接入 RL 训练，并给出 6000 样本提升 14.6 个百分点的完整复现路径。
GitHub Blog · AI & MLAI 评分5858 GitHub 发布 AI 代码审查基准 ReviewBench
GitHub 发布开源代码审查基准 ReviewBench，基于 1.039 亿个 GitHub PR 的分布特征，构建了覆盖 19 种语言、来自 187 个开源仓库的 219 个 PR 评测集。
GitHub Blog · AI & MLAI 评分2222 GitHub 博客：AI 正在改变开发者工作，三项技能值得强化
GitHub 博客提出开发者应对 AI 工作方式变化的三项技能：学会指挥 AI 智能体而非仅使用它，不轻信 AI 的第一个答案，以及用 AI 节省的时间解决更大问题。文中以 GitHub Copilot 内置的 Rubber Duck agent 为例，说明其用第二个模型审查计划、代码和测试，以发现首个模型遗漏的问题。
GitHub Blog · AI & MLAI 评分5858 GitHub Copilot 应用入门：如何用 canvases 构建自定义工作流
GitHub Copilot 应用中的 canvas 是一种用户与智能体共享的可定制界面，可以是看板、问题分诊板、发布清单或表格。在智能体会话中输入 /create-canvas 并用自然语言描述工作流、界面操作和智能体权限，智能体就会生成界面并在右侧面板打开，之后可继续让智能体增删列、筛选或接入未关闭的 pull request。
Berkeley AI Research精选AI 评分6060 从 CUDA 到 MLX：K-Search 如何把内核优化经验迁移到 Apple Silicon
Berkeley Sky Lab 团队为 K-Search 演化式内核搜索框架新增 MLX 后端，并设计结构化 CUDA-to-MLX 翻译层，让搜索以现有 CUDA 内核为知识库生成 Apple Silicon 内核。
推荐理由：作者把 CUDA 优化知识整理成结构化上下文，让演化搜索在 Apple Silicon 上接近专家内核水平，方法可迁移到其他硬件生态。
Berkeley AI ResearchAI 评分3636 ABBEL：通过信念状态更新让 LLM 高效完成长程交互
Berkeley AI Research 提出 ABBEL 框架，将 LLM 的交互摘要建模为自然语言信念状态并对其内容进行监督评分。在协作编程基准 CollabBench 上，基于重建的信念评分将 ABBEL 与全上下文模型的性能差距缩小约 50%，训练步数从 100 降至 50。训练后其峰值上下文 token 长度仍显著低于全上下文设置。
Berkeley AI ResearchAI 评分3838 智能免费之后怎么办？面向智能体、由智能体构建的数据系统
UC Berkeley 团队提出，GPT-4 级能力价格已从 2023 年初的约 $30/百万 token 降至如今不足 $1，部分厂商低于 $0.10，推理价格年降幅在 9x 到 900x 之间、中位数约 50x。
Berkeley AI ResearchAI 评分1515 2026 届 BAIR 博士毕业生展示：机器人、LLM 推理与 AI 安全研究
加州大学伯克利分校 BAIR 实验室展示 2026 届博士毕业生的研究成果，覆盖机器人、LLM 推理、计算机视觉、生成模型、AI 安全与人机交互等方向。毕业生去向包括 OpenAI、Mistral AI、Physical Intelligence、Amazon 等机构，以及 UCLA、普林斯顿 CITP 等学术岗位。
Berkeley AI ResearchAI 评分3838 自适应并行推理：高效推理扩展的下一个范式
伯克利 AI 研究团队综述并行推理进展，重点分析自适应并行推理：让模型自行决定何时分解并并行化子任务、开多少并发线程以及如何协调。现有 self-consistency、Best-of-N、Tree of Thoughts、MCTS 及 ParaThinker、GroupThink、Hogwild! Inference 等方法，其并行结构与搜索策略多由模型外部预先设定。
Berkeley AI ResearchAI 评分5252 GRASP：面向世界模型长时程规划的梯度规划器
Berkeley AI Research 发布博客介绍 GRASP，一种面向学习型世界模型的梯度规划器，通过把轨迹提升为虚拟状态实现跨时间并行优化、对状态迭代加噪声做探索，并绕开脆弱的 state-input 梯度。
Berkeley AI ResearchAI 评分3838 Berkeley AI Research 提出 SPEX 与 ProxySPEX，可大规模识别 LLM 关键交互
Berkeley AI Research 提出 SPEX 与 ProxySPEX 算法，用于在特征归因、数据归因和机制可解释性中大规模识别驱动模型输出的关键交互。
Berkeley AI ResearchAI 评分3636 Berkeley AI Research 提出基于信息量的成像系统设计框架
Berkeley AI Research 在 NeurIPS 2025 论文中提出一套直接以互信息评估和优化成像系统的框架，仅用带噪测量和噪声模型即可量化测量对物体的区分能力。该指标在彩色摄影、射电天文、无透镜成像和显微成像四个领域预测了解码器性能，优化后的设计达到端到端方法水平，且内存和算力需求更低、无需任务专用解码器。