标签
Microsoft 推出 'Microsoft Research Focus'——全新的视频/播客摘要节目，涵盖 AI 智能体、日常 AI 使用模式、BioEmu2 的公开预览，以及天气预报相关研究。
微软研究院及其合作者通过人类主导的智能体研究流程，解决了存在31年之久的KLS猜想，确立了对数凹分布的普适几何原理，并经独立研究者验证与机器形式化检验确认，为高维采样与随机算法效率理解扫清重大理论障碍。
一篇微软研究院等机构的论文提出 Self-HPO，一种交替优化 harness 与策略模型的递归自我改进框架，将 Qwen3.5-35B-A3B 在三个编码基准上的平均解决率从 57.8% 提升到 64.8%，且联合增益超过各自增益之和。
在 OCP 全球峰会上，MediaTek 现场演示了采用标准可插拔形态的 MicroLED 光链路，基于微软研究院的技术，用低成本 LED 替代铜线或激光进行多路并行数据传输，助力 AI 数据中心降低功耗并提升可靠性。
微软研究院发布 Magnetar，一个让 Rust、Go 和 C 程序直接生成零知识证明的通用系统，速度比现有同类系统快 10 到 39 倍，且仅依赖标准哈希函数实现抗量子安全，推动零知识证明走向主流应用。
微软研究院发布并发表于 Nature 的机器学习框架 Probabilistic Bias Correction (PBC)，通过学习现有天气模型的系统性误差并加以校正，显著提升两到六周的次季节天气预报准确性，在全球竞赛中夺冠，并已用于肯尼亚季风预报等实际场景。
Microsoft Research 介绍 StudentSim 研究系统，通过基于公开去标识化学习记录训练的个性化 AI 学生模拟器，在真实学习者参与之前评估并改进 AI 辅导工具，同时发布跨国际象棋、英语写作和数学的评估基准 StudentSimEval。
微软研究者提出 ActiveSaddler，该方法根据尚未解决的失败模式为智能体 harness 自动调优器选择训练任务，在 GAIA2 上将通过率提升 4.4 个百分点，在 Terminal-Bench 2.0 上提升 7.5 个百分点，同时大幅降低调优成本。
Microsoft 的 M365 Research 提出了 FOCUS，这是一种无需训练的测试时方法，通过仅保留对未来决策产生因果影响的单元来压缩 LLM 智能体的交互历史，最多可将峰值上下文降低 48%，并将任务成功率相比全历史执行提升最多 8.9 个百分点。
Microsoft Research推出了Quine，这是一个早期的AI系统，它创建了一个多模态的生物学世界模型，帮助科学家通过计算探索复杂假设并优先安排实验。
微软研究人员推出了 DualGraph，这是一种将智能体记忆分割为大纲和知识图谱的架构，以增强自主研究。该架构在 Claude Opus 5.5 和 GPT-6 Sol 上实现了前所未有的 RACE 分数和成本节约。
Microsoft Research 的 RetroChimera，一种用于逆合成的预测模型，已在 Nature 上发表，有助于加速化学合成，推动医学、材料和农业的进步。
Microsoft Research 推出了 FrogNano，这是一个40亿参数的编码代理，完全通过强化学习进行训练，并使用在线任务合成，实现了有竞争力的性能，无需从更大模型中蒸馏。
微软研究院宣布启动2025年夏季本科生实习计划，为学员提供在雷德蒙德、纽约市及新英格兰地区的实验室里进行的为期12周的研究体验。
本科研究实习生Matheus Kunzler Maldaner探索智能体系统，并在Microsoft Research关于研究生涯的系列节目第一集中分享了他的经历。
Microsoft Research关于分析数据库中标量函数的可扩展GPU加速的论文在VLDB 2026上获得荣誉提名，展示了编译和优化技术的进步。
Agent Lightning v1.0 是微软推出的一个轻量级框架，它将代理工具与强化学习训练相结合，利用适度计算资源提高了 Qwen3.5-9B 在 SWE-bench Verified 上的性能。
这期Microsoft Research的播客探讨了AI在促成与应对气候变化中的双重角色，强调了将技术引向可持续解决方案的必要性。
微软宣布参与 SIGCOMM 2026，包含关于网络流量工程、负载均衡、自适应光子交换和 AI 网络模拟的会议。
微软研究院的新研究通过比较动作轨迹而非最终答案，来衡量使用工具的智能体的跨语言策略保留率。在去除五个混淆因素后，四个前沿模型在跨语言条件下保留了71%–73%的动作策略，并发布了代码和238万次rollout数据。