标签
微软研究院推出MindTopo基准，用于测试多模态AI模型是否理解连通性、包围和打结等拓扑关系。当前模型在静态识别上表现良好，但在交互式规划任务上存在困难，这揭示了机器人和交互式环境中的关键差距。
微软研究院推出了CARE-X，一个统一的胸部X射线视觉-语言模型，它结合了灵活推理、校准预测和工具增强测量，用于临床有用的放射学解读。
DocAtlas 是一个研究系统，将长文档理解构建为可变状态交互过程，利用带有搜索、阅读、笔记和审查工具的外部文档框架。它在 MMLongBench-Doc 上使用 GPT-5.4 取得了最先进的结果，并通过端到端强化学习大幅改进了紧凑型 VLM 代理。
微软研究人员发表了一项里程碑式研究，介绍了 LoopsBench，一个用于评估自纠正编码智能体循环的框架，并概述了从 Harness Engineering 到 Loop Engineering 的转变，以实现可靠的自主开发。
微软的新研究表明，AI模型可能被投毒，从而生成看似良性的思维链推理过程，同时暗中输出有害答案，这削弱了将思维链监控作为安全机制的有效性。
微软研究院发布了PlugMem，一款面向AI智能体的内存插件，可将经验提炼为知识图谱，将上下文令牌减少10-100倍，并在无需微调的情况下提高决策效用。
This paper introduces HiLP, a hierarchical representation training method that adds multi-scale self-predictive learning to transformer pretraining, aiming to reduce compounding error and improve long-horizon reasoning and speculative decoding efficiency.
Microsoft Research的Atlas Playbook提供了框架和工具，用于设计、部署和评估在多样化文化背景下以人为本的人工智能系统，其基础是在肯尼亚和印度的实地研究。
微软研究院推出了Paza语音手册，这是一份交互式指南，用于为低资源和多语言语言构建稳健的语音技术，涵盖数据收集、模型训练、部署和评估。配套视频介绍了该手册，并演示了如何应用经过验证的实践。
微软研究院重点介绍了三本手册，用于以包容性为原则设计、部署和评估AI系统，强调对语言、文化和社区的适应。
微软研究院的研究人员提出了一种方法“Experiential Learning (EL)”，将LLM后训练中RL的奖励从标量分数替换为“教练建议”。在Qwen3-8B和OLMo-3-7B上的实验中，该方法在多个基准上一致优于常规的基于评估标准的RL（GRPO）。
微软研究院重点介绍了关于使用SocialRL进行小型语言模型谈判、PazaBench V2用于非洲语言语音评估、EvoLib帮助智能体从经验中学习、改进的A/B测试方法以及AI驱动的精准肿瘤学的新研究。
微软研究院的AutoGen实现了多智能体LLM对话，使AI系统工程师能够构建具有分层执行能力的可对话智能体，以完成单个LLM难以应对的复杂任务。
微软研究院的LazyGraphRAG在8k、120k和百万token上下文的数据本地问题上超越了向量RAG，以十分之一的成本赢下92/90/91%的胜率，现已在GitHub上开源。
微软研究院推出了 Echoverse，这是一组用于训练计算机操作代理的深度、不断进化的环境。一个9B模型在这些环境上训练后，其基线分数几乎翻倍，与GPT-5.4仅差14分。这表明高保真模拟以及模型、世界和验证器的共同进化显著提高了代理在多步骤工作流上的表现。
微软研究院推出EvoLib，这是一个框架，使LLMs能够在推理过程中从自身经验中持续学习，通过提取可复用的技能和洞察，无需模型更新或外部标签。
微软研究院宣布扩大了其 ASR 模型的覆盖范围，新增了 22 种语言，覆盖 38 个非洲国家，并提供了新的数据集和测试样本。
本文介绍了TRACE，一种用于长周期智能体强化学习的密集信用分配方法，该方法在不使用额外评论模型的情况下，显著提升了Qwen3小型MoE模型在智能体基准测试上的表现。
微软研究院发布了一期播客，Doug Burger、Nicolò Fusi 和 Subutai Ahmad 辩论了像 transformer 这样的 AI 系统相对于人脑是否真正具有智能。
本文介绍了OAT，一种用于基于LLM的智能体系统的轻量级故障归因工具。它仅使用成功轨迹进行训练，并利用神经控制微分方程检测错误步骤，在速度和精度上以数量级优势超越昂贵基线。