GitHub 用 ModernBERT 分类器降低密钥检测噪声
热点事件持续更新
GitHub 用 ModernBERT 分类器降低密钥检测噪声
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
GitHub 公开了其密钥扫描所用的上下文感知分类器：用基于 ModernBERT 的模型替代此前的 LLM 流水线，据 GitHub 称，推送后扫描中位执行时间降低 86%、服务成本降低超 98%，告警接受率提升 11.5%。 方案采用两阶段流水线：先用正则高召回生成候选，再由微调后的 ModernBERT 结合文件路径、变量名和上下文判断是否为真实凭证，以过滤占位符、测试样例等硬负例。模型导出为 8 位量化的 ONNX 格式以加快推理。 GitHub 称该流水线的生产效果分两步评估：先在同一公开流量上与生产基线对比，再进行客户 A/B 实验。
AI 根据报道生成 · 2 小时前更新
最新进展10月14日 01:56
GitHub 如何用 ModernBERT 分类器实现更低噪声的密钥检测报道时间线
沿着报道，了解事件的不同侧面。
10月14日
- GitHub Blog · AI & MLGitHub 如何用 ModernBERT 分类器实现更低噪声的密钥检测
GitHub 为密钥扫描训练了基于 ModernBERT 的上下文感知分类器，替代此前的 LLM 流水线，使推送后扫描中位执行时间降低 86%、服务成本降低超 98%，告警接受率提升 11.5%。该方案采用两阶段流水线：先用正则高召回生成候选，再由微调后的 ModernBERT 结合文件路径、变量名和上下文判断是否为真实凭证，从而过滤占位符、测试样例等硬负例。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。