GitHub Copilot app for Beginners: How to teach Copilot about your codebase
GitHub Copilot app for Beginners 通过四种方式帮助 Copilot 理解代码库规则，包括 Custom instructions、Agent skills、Custom agents 和 Model Context Protocol (MCP) servers。
#部署/工程
GitHub Blog · AI & MLAI 评分4545
GitHub Blog · AI & ML精选AI 评分6565 GitHub 论述秘密保护需随软件规模扩展并发布新分类器
GitHub 指出 AI 智能体参与的 Pull Request 比例快速增长，要求秘密保护能力同步提升，而非依赖人工。GitHub 引入了与 Microsoft Applied Sciences 合作的微调分类器，该模型能在两毫秒内评估候选秘密，可使可预防的秘密数量增加一倍以上。
推荐理由：GitHub 阐述了 AI 驱动代码生成带来的安全挑战，并介绍了新分类器如何提升秘密保护的效率和规模。
Microsoft ResearchAI 评分4646 预测电网空间天气风险
Microsoft Research 开发端到端机器学习管道，能在美国大陆 66,935 个变电站上提前 30~60 分钟预测空间天气风险，并在评估期内检测到近 80% 的重大事件。系统融合 L1 太阳风观测、AE 与 Dst 指数预测、地质导电率等特征，利用梯度提升模型估算 dB/dt，检测率分别为 76.5%（重大）、81.2%（严重）和 64.1%（极端）。
GitHub Blog · AI & MLAI 评分4545 GitHub Copilot app for Beginners: How to build custom workflows with canvases
GitHub Copilot app 引入 canvas（canvas extension）功能，允许用户根据所需工作流创建可定制的界面，而非适应固定屏幕。用户通过 `/create-canvas` 技能并用自然语言描述工作流、界面操作和 Agent 能力来生成界面，如发布说明或看板。该 canvas 是双向的，用户操作和 Agent 更新实时同步，且创建的 canvas 可保存为扩展供团队共享。
Berkeley AI Research精选AI 评分8888 从CUDA到MLX K-Search实现内核知识迁移至Apple Silicon
研究基于K-Search框架扩展MLX后端，开发了结构化CUDA到MLX翻译层，将CUDA内核的优化知识迁移至Apple Silicon。在Attention内核上，该方法达到0.97x的加速比；在Mamba SSM内核上，实现了比社区mlx-lm高约20倍的Prefill吞吐量。
推荐理由：研究展示了将CUDA内核知识通过结构化翻译层迁移至MLX，在Apple Silicon上达到接近专家水平的性能。
Berkeley AI ResearchAI 评分2020 Adaptive Parallel Reasoning：高效推理扩展的新范式
Adaptive Parallel Reasoning 通过让模型自行决定何时拆分任务、并行线程数以及协调方式，缓解了传统顺序推理导致的上下文旋转、延迟和计算成本。文章综述了从固定并行到自适应控制的多种方法，并以 ThreadWeaver、ParaThinker、GroupThink、Hogwild! Inference 等实例为例，展示了在数学、编码和代理任务中的应用。
Berkeley AI ResearchAI 评分5555 GRASP：用于长视野世界模型的基于梯度的规划
GRASP 是一个用于学习动力学（世界模型）的基于梯度的规划器，通过将轨迹提升到虚拟状态实现跨时间的并行优化，并向状态迭代中添加随机性以进行探索。研究表明，在 H=80 的测试中，GRASP 的成功率达到 10.4%，中位成功时间为 58.9s，优于其他方法。
Berkeley AI ResearchAI 评分5656 信息驱动的成像系统设计研究
研究提出了一种基于互信息的框架，仅利用噪声测量和噪声模型来量化测量区分物体的能力，实现了成像系统的直接评估和优化。该信息指标预测了彩色摄影、射电天文学、无透镜成像和显微镜等四个成像领域的解码器性能，且 IDEAL 方法无需解码器即可匹配端到端优化的性能。