AI正以代码审查系统的形式进入Linux内核领域,而非代码提交。
Google的Linux内核工程师Roman Gushchin在LinkedIn上宣布了Sashiko,这是一个用Rust编写的工具,专门用于发现漏洞和筛查代码。
Gushchin表示:"根据我的测量,基于1000个带有'Fixes:'标签的最新上游问题的完全未过滤集合,Sashiko能够发现53%的漏洞(使用Gemini 3.1 Pro)。有些人可能认为53%并不那么令人印象深刻,但这些问题100%都被人类审查员遗漏了。"
虽然在开源社区中使用AI进行代码提交存在争议,但像Sashiko这样的工具可以在一定程度上减轻维护人员处理大量代码审查的负担。
Sashiko通过从邮件列表中获取补丁来工作。它分析这些补丁,然后向维护人员和开发人员提供反馈。据其作者称,"审查质量很高...误报率较难测量,但基于有限的人工审查,误报率控制在20%范围内,其中大部分属于灰色地带。"
作者们对隐私和代码共享方面非常坦诚。Sashiko会将数据和代码发送给配置的大语言模型提供商。它已经在Gemini Pro 3.1上进行了最多测试,但也应该能与Claude和其他大语言模型配合工作。然而,运行它需要成本。对于Linux内核邮件列表,Google正在承担费用。
Gushchin说:"我们已经在Google内部使用它一段时间了,它帮助发现了大量真实问题。"
Sashiko属于Linux基金会,看起来是一个有用的工具——这是智能体AI的一个应用,相比代码提交可能引起更少的担忧。
Q&A
Q1:Sashiko是什么?它有什么作用?
A:Sashiko是Google Linux内核工程师开发的AI代码审查系统,用Rust编写,专门用于发现Linux内核代码中的漏洞和进行代码筛查。它能够发现人类审查员遗漏的53%的漏洞。
Q2:Sashiko如何工作?准确率如何?
A:Sashiko通过从邮件列表中获取代码补丁,使用大语言模型进行分析,然后向维护人员和开发人员提供反馈。误报率控制在20%范围内,审查质量较高。
Q3:使用Sashiko需要什么成本?谁在承担费用?
A:运行Sashiko需要将数据发送给大语言模型提供商,会产生相应费用。目前针对Linux内核邮件列表的使用,费用由Google承担。该系统主要在Gemini Pro 3.1上测试,也支持Claude等其他大语言模型。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。