跳到正文

#Microsoft

今日 1 条
今天9月30日周三
9月29日周二
  1. Microsoft Research72

    Microsoft 推出 Quine 生物 AI 研究系统

    Microsoft Research 发布 Quine，一个面向生物学的多模态世界模型与交互式实验框架，连接模型、工具、文献和研究人员。与 Broad Institute 合作在胰腺癌细胞状态转换中预测并验证了数千种化合物，整个筛选与验证过程在一个周末完成，部分化合物出现意外表型。Quine Fellows 计划现已开放申请，系统目前仅限研究用途。

    推荐理由：原文展示了跨模态生物世界模型的实际验证路径，读者可据此评估计算实验与湿实验闭环对研发效率的潜在影响。

9月26日周六
9月25日周五
  2. GitHub Blog · AI & ML58

    GitHub Copilot 推出 Canvas 自定义 UI

    GitHub Copilot 推出 Canvas 功能，允许用户在应用内构建无浏览器边框的全栈应用界面，与 Agent 双向通信。Canvas 可调用第三方 API、在本地执行代码，用于构建游戏、管理 Winget 包、操作 SQLite 数据库或自动化开发工作流。

9月24日周四
  2. AWS Machine Learning Blog60

    HEMA 用 MCP 和 Amazon Bedrock AgentCore 构建内部 AI 助手 HAL

    HEMA 搭建了内部 AI 助手 HAL，将分散的知识库、API 目录和流程文档整合为统一知识层，并通过 MCP 在 Kiro、Claude 等工具中提供即时答案。

    推荐理由：原文给出了一家零售商从门户跳跃到即时答案的完整搭建路径，读者可据此理解 MCP 与 AgentCore 在企业知识层中的实际组合方式。

  3. GitHub Blog · AI & ML59

    GitHub Copilot 应用渲染超大 Pull Request

    GitHub Copilot 应用重写了 Pull Request 视图，以支持单文件变更量极大的 Pull Request。方案将代码几何与评论块几何分离，用惰性测量、滚动锚定和单通道调度避免跳动，并配合流式数据管道与缓存策略；实测在 2,200 文件、超百万行变更、400+ 行内评论的极端案例上仍保持流畅。

  5. Microsoft Research67

    Microsoft Research 发布 Physical AI Toolchain 推理卸载功能

    Microsoft Research 在 Physical AI Toolchain 中新增行业首个机器人推理卸载能力，可将 SO-101、UR10e 等机器人的推理从机载 GPU 卸载至边缘或云 GPU。实验显示，卸载改善了移动操作任务的成功率、响应精度和电池续航，并支持通过 Kubernetes 自动容器化与编排。

    推荐理由：首次系统量化了机器人推理卸载的收益，为物理 AI 基础设施选型提供可对比的实测依据。

9月22日周二
  1. Microsoft Semantic Kernel60

    Microsoft Agent Framework 推出 Foundry 托管代理隔离功能

    Microsoft Agent Framework 发布 Foundry 托管代理隔离，包含用户隔离和 Foundry 托管会话隔离两个独立控制，分别对应调用者身份和沙箱会话。开发者可使用 .NET 和 Python SDK 通过 AgentSession 传入 delegated user identity 或显式 agent_session_id，实现共享沙箱或独立会话等部署模式。

    推荐理由：原文给出了用户隔离与会话隔离两套控制及多种可用模式，读者可据此评估自身应用在数据归属和会话生命周期上的选择。

9月21日周一
  1. Microsoft Research47

    RetroChimera 规模化改进小分子合成预测

    RetroChimera用学习排序融合R-SMILES 2与NeuralLoc的互补预测，改进小分子逆合成预测。10个高难度目标中，其完整路线被接受9条，de novo、editing与NeuralSym分别为5、4、2条。模型发表于Nature并开源实现与权重，能召回稀有反应，也能在专有数据集上零样本迁移和微调。

9月17日周四
  1. GitHub Blog · AI & ML78

    GitHub Copilot运行时迁移至Rust，使用Copilot

    GitHub Copilot运行时从TypeScript重写为Rust，由AI代理主导完成，超过80万行Rust代码。迁移过程实现了性能提升和跨产品共享运行时。

    推荐理由：原文详细记录了使用Copilot代理将GitHub Copilot运行时从TypeScript迁移至Rust的过程，性能提升显著，并实现了多产品共享。

  2. Microsoft Semantic Kernel62

    从专家代理到基于 MCP 的分布式技能：教程与实测对比

    作者 Tommaso Stocchi 以滑雪度假村演示为例，对比 A2A 专家代理与基于 MCP 的分布式技能两种架构，并给出五步迁移流程。技能路径将专家指令移入编排器，由 SDK 直接加载 SKILL.md 并暴露 MCP 工具；实测显示技能路径模型调用更少（3 次 vs 6-7 次）、延迟更低，但总 token 数反而增加约 22%。

    推荐理由：通过同一应用的 A2A 与 MCP 两种架构对比，给出可迁移的迁移步骤与实测延迟和 token 数据，帮助读者判断是否将专家代理改为分布式技能。

9月12日周六
  1. GitHub Blog · AI & ML67

    Marketing ops as code：用 GitHub Copilot 自动化从策划到跟进的活动流程

    作者 Tomoko Tanaka 介绍如何将 GitHub Issues、Issue forms、Labels、GitHub Actions 与 Copilot agent skills 组合，把活动落地页生成、UTM 链接、邀请邮件、注册名单清洗、CRM 上传和报告等重复流程自动化。

    推荐理由：作者以第一手经验展示如何用 GitHub Copilot 将重复营销流程自动化，读者可迁移该方法到自身有 API/CLI 入口的重复任务。

9月11日周五
9月5日周六
  1. GitHub Blog · AI & ML60

    GitHub Copilot Project HydraFusion：通过多模型编排实现前沿质量

    GitHub Copilot 发布 Project HydraFusion 研究预览，通过运行时多模型编排自动选择工作流以平衡性能、成本和延迟。在 TerminalBench 2.1 上比 Claude Opus 5 质量提升 4.9 个百分点且成本降低 67%，DeepSWE 和 CheckpointBench 上也接近 Opus 5 水平。

    推荐理由：HydraFusion通过多模型编排自动选择最优工作流，在三个编码基准中以显著成本降低逼近Claude Opus 5的性能，为开发者提供无需手动协调模型的前沿质量编码体验。

9月4日周五
9月3日周四
  1. GitHub Engineering69

    GitHub Copilot 四项优化降低 AI 编码成本且不牺牲任务质量

    GitHub Engineering 公布 GitHub Copilot 的四项成本优化：选择性压缩重复输出、移除文件读取行号前缀、缩短任务工具提示词、批量送达后台完成结果。离线基准与在线实验显示平均成本下降约 2.3%–5%，无质量回归；强调应按完整任务而非单次工具调用评估效率。

    推荐理由：GitHub Copilot 通过四项工程优化降低 AI 编码成本，读者可据此理解上下文压缩与提示精简的边界。

8月21日周五
  1. Microsoft Research62

    Skala 1.1 发布并扩展至 CP2K、Psi4、FHI-aims、ORCA 和 VASP

    Skala 1.1 在 GMTKN55 上加权误差达 2.8 kcal/mol，在 55 个类别中 32 个达到最优，同时保持半局域泛函的计算效率。Skala 已登陆 CP2K，并正在集成至 Psi4、FHI-aims、ORCA 和 VASP；微软研究院同步推出持续更新的性能基准报告。

    推荐理由：原文给出精度提升与多软件集成进展，读者可据此评估 Skala 在现有计算化学工作流中的可用性。

8月13日周四
  1. Microsoft Research44

    MindTopo 揭示 VLM 的空间推理能力

    微软研究院的新基准 MindTopo 发现，专有与开放权重多模态模型在静态拓扑推理上明显强于交互规划，且都远低于人类。它按连续性、分离、顺序、包围和绳结五类，测试静态场景问答，以及模拟环境中须维持或改变关系的动作规划。规划失败常在理解场景之后出现，模型失去对结构关系的追踪，或提出违反环境约束的动作。

8月12日周三
  1. Microsoft Research64

    CARE-X介绍：面向临床有用的放射学视觉语言模型

    CARE-X是微软研究介绍的胸部X光统一视觉语言模型，结合生成式报告与结构化预测并通过DAPO奖励对齐学习优化临床正确性。该模型在ReXVQA基准达到94%准确率，并在印度Narayana Health临床数据上验证了罕见ICU病理检测效果。工具增强测量实验显示，Qwen3-VL-4B-Instruct结合确定性计算工具后，测量依赖条件的F1平均提升43.6个百分点。

    推荐理由：CARE-X通过联合训练生成与判别能力，在统一模型中实现灵活报告生成与校准预测，为放射学人工智能提供了可迁移的多任务优化方法。

8月4日周二
  1. Microsoft Research82

    Orchard：面向可扩展智能体 AI 的开源框架

    Microsoft Research 发布开源框架 Orchard，核心是 Orchard Env，一个基于 Kubernetes 的可复用环境服务，支持软件工程、网页导航和个人助理智能体的训练与评估。

    推荐理由：开源框架 Orchard 把训练、评估与真实部署 harness 打通，让小参数模型也能在 SWE-bench 等基准接近前沿系统。

7月31日周五
  2. Microsoft Research45

    EvoLib：将经验转化为演化知识

    EvoLib是一个让大语言模型在推理过程中从自身经验自主学习的框架，无需真实标签或外部反馈，将过去尝试转化为可复用技能和反思性洞察。在数学推理、代码编写和长时序任务上，EvoLib一致优于检索式记忆方法，以更少token实现更高性能，并将测试时计算更有效地转化为性能增益。该框架无需模型更新，可应用于任何通过API部署的黑盒语言模型，且对任务顺序具有鲁棒性。

7月8日周三
7月7日周二
  1. Hugging Face Blog67

    Hugging Face 模型登陆 Foundry Managed Compute，支持一键部署

    微软在 Build 2026 发布 Foundry Managed Compute，Hugging Face 模型现可通过一键部署在 Azure 上运行。模型目录每周更新，仅包含 SafeTensors 格式的安全筛选模型，支持 vLLM、SGLang、TensorRT-LLM、NIM、TEI、llama.cpp 等运行时，并提供统一端点、Azure Monitor 指标和每部署计费标签。

    推荐理由：Hugging Face 模型现可通过 Foundry Managed Compute 一键部署，微软承担了从运行时构建、安全扫描到 CVE 补丁的运维层，让企业能在自有租户中运行开源模型。

6月25日周四
  1. MIT News · AI62

    MIT 与 Microsoft 提出 Murakkab 系统，提升 AI Agent 工作流的速度与能效

    MIT 和 Microsoft 研究人员开发了 Murakkab 系统，开发者可用自然语言描述意图，系统自动选择模型、工具并动态配置硬件资源。测试显示，该方法在视频问答和代码生成任务中仅用约 35% 的计算量、27% 的能耗和不到 25% 的成本，同时满足性能要求。

    推荐理由：原文给出了具体优化幅度和动态配置方法，读者可以据此评估云上 Agent 工作流的能效潜力。

6月23日周二
  1. Mistral AI64

    Mistral OCR 4 发布

    Mistral 发布 OCR 4，支持 170 种语言的单容器自托管文档解析，返回边界框、区块分类与内联置信度。

    推荐理由：独立标注者平均 72% 偏好 OCR 4，配合单容器自托管与结构化输出，为企业 RAG 和智能体工作流提供了兼顾数据主权与提取精度的 OCR 方案。