微软在首尔ICML上，有超过100篇论文被接收、3个口头演讲和1个展览演示，亮点包括Fara 1.5电脑使用智能体、抗批评基准测试、通过FLIP2扩展的蛋白质机器学习基准测试，以及改进的LLM推理稳定性。https://msft.it/6019vaCHU

ICML 2026亮点

来源：https://www.linkedin.com/pulse/highlights-from-icml-2026-microsoftresearch-alcoe/?trackingId=A7KG%2BeKSQaO%2BP2vkqRe3Og%3D%3D Microsoft Research (https://www.linkedin.com/showcase/microsoftresearch/)

Microsoft Research

我们推动科学技术造福人类。

发布于2026年7月7日

微软正在赞助国际机器学习大会（ICML）（https://www.linkedin.com/redir/redirect?url=https%3A%2F%2Ficml%2Ecc%2FConferences%2F2026&urlhash=UOrH&trk=article-ssr-frontend-pulse_little-text-block），这是一个致力于推动机器学习相关领域发展的顶级盛会，涵盖统计与数据科学，以及机器视觉、计算生物学、语音识别和机器人技术。

微软有超过100篇论文被今年在韩国首尔举行的大会接收。本期的Research Focus概述了被选为展览演示和三场口头演讲的工作。

展览演示

Fara1.5是一系列轻量级电脑使用智能体（CUA）模型，具有三种规模——40亿、90亿和270亿参数——每种规模在浏览器使用基准测试中均达到了同类模型中的最先进水平。Fara1.5模型是Fara-7B的下一步演进，带来了诸多进步，例如更强大的用户交互/监督、更高效的任务执行以及整体更强的任务完成性能。这些模型由合成数据生成流水线FaraGen1.5驱动，该流水线大规模构建合成环境和任务，让智能体尝试执行以收集示范，并通过强大的验证器过滤生成的轨迹。总体而言，Fara1.5系列模型在提供强大性能的同时具有成本效益，并且能够在设备端或中等硬件上运行。

口头演讲

随着前沿大型语言模型（LLMs）在新基准发布后不久常规性地获得近乎完美的分数，基准测试本身可能变得无效。如果前沿模型持续改进，人类将越来越难以生成具有区分度的任务、提供准确的真实答案或评估复杂解决方案。这威胁到了衡量AI进展的能力——作者将这种情况称为“后理解时代”。

为解决此问题，该研究引入了抗批评基准测试（Critique-Resilient Benchmarking），这是一种对抗性框架，即使人类无法完全理解任务或解决方案，也能比较模型。它定义了“抗批评正确性”：除非对抗者能令人信服地证明答案错误，否则答案被视为正确。人类不是完全评估解决方案，而是作为有界验证者，评判局部声明和批评。利用逐项二分Bradley-Terry模型，该框架根据模型解决难题的能力以及生成困难但可解问题的能力对LLMs进行排名。在八个前沿模型的数学任务上进行评估后，得到的排名显示出稳定性以及与独立模型能力度量指标的相关性。该框架将基准测试重新定义为一种对抗性生成-评估博弈，人类仍然是最终裁决者。

从氨基酸序列预测蛋白质适应度的机器学习（ML）方法对数据分布变化敏感，这限制了在蛋白质工程中常见条件下的泛化能力。这降低了ML工具在蛋白质工程师中的可信度。FLIP基准测试建立了在某些领域迁移下测试泛化能力的方案，但仅限于测量稳定性、结合能力和病毒衣壳存活率。该研究引入了FLIP2，一个涵盖七个新数据集的蛋白质适应度基准，包括酶、蛋白质-蛋白质相互作用和光敏蛋白，以及衡量与现实世界蛋白质工程活动相关的泛化能力的数据集划分。在这些数据集和套件上评估一系列基准模型发现，更简单的模型在FLIP2上通常与微调后的蛋白质语言模型持平甚至更优，这对现有迁移学习技术的实用性提出了挑战。

在闭环多轮智能体强化学习中，LLM智能体表现出推理崩溃，即推理转向通用模板，与输入耦合较弱。该研究引入了一种过滤方法，保留输入特定的推理，并提高智能体的稳定性和性能。作者表明，推理崩溃容易因熵或表面多样性度量而被忽视，因为推理文本仍然有所变化，但变得与输入无关。他们提出一个信息论框架，将推理轨迹中的变异分解为条件熵（给定同一输入下的随机性）和互信息（对输入的依赖性）。当推理看似多样但已与输入脱节并依赖通用模式时，就会发生模板崩溃。为检测这一点，作者引入了一种衡量模型推理对输入依赖程度的方法，并表明这种依赖性在崩溃期间下降。他们解释说，当学习信号变弱时，会发生崩溃，使得通用优化压力覆盖输入特定行为。为应对这一问题，他们优先处理包含更强学习信号的训练更新。在多种环境、模型规模和模态下，这改善了输入特定推理、稳定性和整体性能。

Research Focus (https://www.linkedin.com/newsletters/research-focus-7335362495383040001)

Research Focus

143,820 位关注者

更多来自Microsoft Research的文章

• 2026年6月15日 ### 硬件加速分析、AI驱动的癌症研究以及知识工作的未来 本期内容：CoddSpeed：一种硬件加速框架，在GPU、FPGA上实现最高30倍的加速分析… (https://www.linkedin.com/pulse/hardware-accelerated-analytics-ai-powered-cancer-research-nznve?trk=article-ssr-frontend-pulse)
• 2026年6月1日 ### Microsoft Build，加上智能体评估、存储库作为媒介以及AI价值对齐挑战 本期内容：AgentPex：一个开源系统，自动检测智能体轨迹中的程序性故障… (https://www.linkedin.com/pulse/microsoft-build-plus-agentic-evaluation-repositories-gam7e?trk=article-ssr-frontend-pulse)
• 2026年5月18日 ### 云效率、开发者生产力以及LINGUA Africa征稿 本期内容：HarvestContainers：一个在违反延迟SLA前提下回收高达75%空闲云CPU容量的系统… (https://www.linkedin.com/pulse/cloud-efficiency-developer-productivity-lingua-africa-vpyxf?trk=article-ssr-frontend-pulse)
• 2026年5月4日 ### 人机协作、企业隐私与高效注意力 本期内容：构建人机协作：一项对388名员工的实地研究发现，AI使用的结构化方式… (https://www.linkedin.com/pulse/human-ai-collaboration-enterprise-privacy-efficient-d2gte?trk=article-ssr-frontend-pulse)
• 2026年4月20日 ### 微软在ICLR 2026：深度学习、LLM推理、生成模型 微软很自豪地拥有超过100篇被接收论文，并成为第14届国际…大会的赞助商 (https://www.linkedin.com/pulse/microsoft-iclr-2026-deep-learning-llm-reasoning-generative-h74se?trk=article-ssr-frontend-pulse)
• 2026年4月6日 ### 上下文中的情感、机器人灵巧性、更智能的AI智能体以及CHI 2026 本期内容：超越标签的推理：一种新的诊断框架，测试LLM如何在低资源…中解释情感 (https://www.linkedin.com/pulse/sentiment-context-robot-dexterity-smarter-ai-agents-eprye?trk=article-ssr-frontend-pulse)
• 2026年3月23日 ### 数据中心中的MicroLED、多模态AI规模化、智能体记忆以及交互式规划 本期内容：MicroLED数据中心网络：为下一代…提供更低功耗、更低成本的光通信 (https://www.linkedin.com/pulse/microled-datacenters-multimodal-ai-scale-agent-memory-avyic?trk=article-ssr-frontend-pulse)
• 2026年3月9日 ### Phi-4多模态推理、可扩展LLM系统、电影级视频生成以及AI健康 本期内容：Phi-4-reasoning-vision-15B：一个用于视觉语言任务的紧凑多模态推理模型，现已… (https://www.linkedin.com/pulse/phi-4-multimodal-reasoning-scalable-llm-systems-cinematic-ximke?trk=article-ssr-frontend-pulse)
• 2026年2月23日 ### 玻璃存储突破、稳健推理、可扩展安全测试、多语言AI以及评估模型思考方式 本期内容：Project Silica：用于长期数据保存的玻璃存储技术进展 RLTR：训练LLM… (https://www.linkedin.com/pulse/glass-storage-breakthroughs-robust-reasoning-scalable-idaoe?trk=article-ssr-frontend-pulse)
• 2026年2月9日 ### 低资源语言的新基准与模型、医学与大脑基础模型、太空中的AI以及创新工具包 本期内容：Paza：基于真实社区使用场景的低资源语言新型ASR基准与模型 Vibe Kit… (https://www.linkedin.com/pulse/new-benchmarks-models-low-resource-languages-medical-ivafe?trk=article-ssr-frontend-pulse)

探索内容类别