Microsoft Research 发布 Magnetar 通用零知识虚拟机
Microsoft Research 发布通用零知识虚拟机 Magnetar，能为 Rust、Go、C 编写的程序生成执行正确性证明，在 15 个基准测试上平均比同类最快的系统快 10 至 39 倍。
#Microsoft
#Microsoft
今日 0 条Microsoft ResearchAI 评分5959
NVIDIA Blog精选AI 评分6565 RTX Spark笔记本10月16日上市，NVIDIA公布本地AI软件生态更新
NVIDIA RTX Spark笔记本电脑将于10月16日（周五）正式发售，搭载最高128GB统一内存与1 petaflop AI算力，上周已与微软联合公布。
推荐理由：原文梳理了RTX Spark笔记本上市前后的本地AI软件生态，可看出端侧智能体所需的模型、沙箱与工具栈已大致就绪。
Microsoft ResearchAI 评分4242 Microsoft Research StudentSim：通过个性化学生模拟改进 AI 辅导
Microsoft Research 提出 StudentSim 研究系统，通过公开去标识化学习者记录训练个性化 AI 学生模拟器，用于在真实学员测试前评估和改进 AI 辅导模型。配套 StudentSimEval 基准覆盖国际象棋、二语英语写作与数学，沿行为保真度和指导响应度两个维度评估，在三个领域均优于现有基线。
NVIDIA BlogAI 评分5252 NVIDIA 在 OCP 峰会开放 Vera Rubin 架构并发布 MGX 1.2 与 DSX 开源组件
NVIDIA 在 OCP Global Summit 上将 Vera Rubin 机柜与计算托盘设计贡献给第三版 MGX 1.2 规范，新增盲插液冷、5,000A 液冷母线和最高 250kW 机柜部署支持。
NVIDIA Blog精选AI 评分7070 NVIDIA 与 Microsoft 联合推出 RTX Spark 与 Windows 版 DGX Station
在旧金山 Microsoft 活动上，NVIDIA CEO 黄仁勋与 Microsoft CEO 萨提亚·纳德拉共同发布 RTX Spark 和面向 Windows 的 DGX Station。
推荐理由：文章给出了 RTX Spark 和 Windows 版 DGX Station 的硬件规格与本地 AI 路径，读者可据此评估 Windows PC 运行大模型的真实门槛。
GitHub Blog · AI & ML精选AI 评分6565 GitHub 与微软合作发布 ModernBERT 分类器，把推送保护扩展到非结构化密钥
GitHub 与微软应用科学合作发布 ModernBERT 分类器，把推送保护扩展到数据库连接串、Kubernetes Secret、Dockerfile 等无固定模式的非结构化密钥，单次判定在 2 毫秒内完成，预计让推送阶段被阻止的密钥数翻倍以上。
推荐理由：GitHub 引用九个季度数据指出代理写码推高密钥泄露量，并推出与微软共建的 ModernBERT 分类器，可在 2 毫秒内识别非结构化密钥、扩展推送保护。
Microsoft Research精选AI 评分7070 微软研究院开源 Agent Lightning v1.0：约 3,500 行的轻量级 Agentic RL 训练框架
微软研究院开源 Agent Lightning v1.0：一套约 3,500 行的轻量级 Agentic RL 训练框架，主张用真实 harness 训练，复用部署侧 agent 循环接入 RL，无需重写 agent。
推荐理由：把训练与部署统一在同一套 agent harness 上，约 3,500 行代码加 6,000 条样本就让 Qwen3.5-9B 在 SWE-bench Verified 提升 14.6 个百分点，为低门槛复现 agent RL 提供了完整路径。
Microsoft ResearchAI 评分3737 AI 会犯哪些错，失败带来什么启示：Microsoft Research 播客对话 Jennifer Neville
Microsoft Research Podcast 主持人 Chad Atalla 与合伙人研究经理、普渡大学教授 Jennifer Neville 对谈，讨论 AI 在传统基准之外测试时出现的"意外失败"，以及评估如何推动模型满足用户需求。Neville 强调训练数据显著影响 AI 行为与用户期望的对齐，并回顾了从数学、物理、认知科学转向 AI 研究的职业路径。
GitHub Blog · AI & ML精选AI 评分6363 GitHub 开源 AI 代码审查评测基准 ReviewBench
GitHub 发布开源 AI 代码审查评测基准 ReviewBench，基于 103.9M 真实 pull request 抽取 219 条跨 19 种语言的样本，资深工程师独立复核与 ground truth 一致率达 96.6%。
推荐理由：ReviewBench 把 GitHub 上真实 pull request 的分布固化为可复现评测，附带资深工程师校验的 ground truth 与自提交 leaderboard。
Hugging Face Blog精选AI 评分6363 微软 ThinkingBox 基准：Agent 自称完成，数据库却不认同
微软联合 Hugging Face 发布 ThinkingBox 基准：用后端数据库终态与副作用评估 AI Agent，覆盖 507 个状态化业务流程、每任务重复 20 次。
推荐理由：原文对比 18 个模型在 507 个状态化工作流上的 pass@1 与 20 次重复一致性，并给出每次可靠任务的成本排序。
Microsoft ResearchAI 评分4343 Microsoft Research 预测电网空间天气风险
Microsoft Research 开发了一套机器学习流水线，可为美国本土 66,935 座变电站提前 30-60 分钟给出空间天气风险估计。该系统结合日风观测、AE 与 Dst 指数预测及地质电导率，在 2020-2026 评估期内检测到近 80% 的重大空间天气事件，Dst 预测在 62.2% 的高活动小时上优于 Burton 方程。
Microsoft ResearchAI 评分5959 Microsoft Research 推出面向生物学复杂性的 AI 研究系统 Quine
Microsoft Research 推出 AI 研究系统 Quine，由生物学多模态世界模型和连接模型、科学工具、文献与研究者的交互 harness 组成。该系统与 Broad Institute 合作用于胰腺导管腺癌（PDAC）化合物筛选，其排名最高的化合物在湿实验中产生最大的 classical 到 basal 细胞状态转变，整个过程仅用一个周末。
GitHub Blog · AI & MLAI 评分5252 GitHub Copilot 应用入门：如何用 canvases 构建自定义工作流
GitHub 官方博客介绍 GitHub Copilot 应用中的 canvas（canvas extension），用户打开 agent 会话、输入 /create-canvas 技能并用自然语言描述工作流，即可生成现成可用的界面扩展。
GitHub Blog · AI & MLAI 评分5353 为什么聊天框往往是错误的 UI：GitHub Copilot 的 canvas 实践
GitHub 博客文章提出聊天框往往是使用 AI 的错误界面，并介绍 GitHub Copilot 应用中的 canvas 作为替代。canvas 是运行在 Copilot 应用内、不带浏览器外壳的全栈应用，可与 agent 双向通信，文中用 Connect 4 游戏、Winget 包管理和 SQLite 数据库等示例演示其构建方式。
GitHub Blog · AI & MLAI 评分5555 GitHub Copilot app 如何渲染超大 pull request
GitHub Copilot app 重建了 pull request 视图，使包含 2,200 个文件、超百万行改动和 400 多条行内评论的 diff 也能正常打开和滚动。核心做法是把代码行高度与评论块高度拆成两套几何，评论高度懒测量并按内容身份做滚动锚定，避免已渲染内容回写布局造成跳动。文中还介绍了用无头探针和无人值守循环在真实引擎上复现并定位性能问题的流程。
Microsoft ResearchAI 评分5151 微软研究显示机器人推理卸载可提升表现与续航，并在 Physical AI Toolchain 加入该能力
微软研究院发布对物理 AI 机器人推理的系统性测试，指出推理只跑在机载 GPU 会限制机器人表现、续航与扩展性，卸载到边缘或云端 GPU 可提升任务成功率并支持更大的模型。
Microsoft ResearchAI 评分5252 Microsoft Research 发布逆合成模型 RetroChimera 并开源权重
Microsoft Research 在 Nature 发表逆合成预测模型 RetroChimera，并开源其实现与权重（MIT 许可），该模型也可通过 Microsoft Foundry 访问。
GitHub Blog · AI & ML精选AI 评分9090 GitHub Copilot 用智能体将运行时迁移到 Rust，生产代码超 800,000 行
GitHub 用 Copilot 智能体把 Copilot 运行时从 TypeScript 重写为超过 800,000 行生产级 Rust，分布在 128 个 PR 中并增量上线。
推荐理由：文章复盘了用 AI 智能体把大型 TypeScript 运行时原地迁移到 Rust 的做法，可供大规模智能体重构参考。
GitHub Blog · AI & MLAI 评分5555 GitHub 营销团队如何用 Copilot 和 Actions 自动化活动全流程
GitHub 日本与韩国市场负责人 Tomoko Tanaka 把活动营销流程改成以 GitHub Issue 为入口的自动化系统，用 issue 表单收集字段、标签触发 Actions，由 GitHub Copilot 起草内容。
GitHub Blog · AI & ML精选AI 评分6767 GitHub Copilot 上线 Project HydraFusion 多模型编排研究预览
GitHub 在 GitHub Copilot CLI 中上线 Project HydraFusion 研究预览，用运行时多模型编排为每个任务选择 Single、Cascade 或 Critique 三种执行模式。
推荐理由：HydraFusion 在 TerminalBench 2.1 上以低 67% 的预估成本换到 4.9 个百分点的质量提升，读者可据此了解多模型编排的取舍。
GitHub Blog · AI & MLAI 评分5555 GitHub Copilot app 新手指南：同时运行多个智能体
GitHub Copilot app 支持同时运行多个智能体会话，每个会话运行在独立的 Git worktree 上，彼此互不干扰。会话视图用卡片展示会话标题和任务进度，每个会话保留自己的上下文，可随时切换并接着上次的进度继续。文中以 tailspin-toys 仓库为例，同时启动 funded sort、无障碍审查和测试三个会话，官方建议先从同时跑两个小任务开始试。
Microsoft ResearchAI 评分4848 Skala 扩大可用范围，更快走向可预测的 DFT
Microsoft Research 发布深度学习 DFT 交换关联泛函 Skala 1.1，其训练数据量为上一版的 2.5 倍。该模型在 GMTKN55 的 55 个类别中 32 项排名第一，加权平均误差 2.8 kcal/mol。
Microsoft ResearchAI 评分4949 MindTopo 揭示 VLM 空间推理能力：静态识别强于交互规划
Microsoft Research 提出 MindTopo 基准，用于评测多模态大模型（VLM）的拓扑推理能力，覆盖连通、分离、顺序、包围与绳结五类任务。测试发现，模型在静态识别上明显强于交互规划，两者均远低于人类水平，失败多出现在规划而非感知阶段。图像生成只在单帧可见关系时有用，视频推演跨多步仍常改变拓扑或违反任务动力学。
Microsoft ResearchAI 评分5353 微软研究院推出 CARE-X 放射学 VLM，融合辅助监督与工具增强测量
微软研究院推出研究模型 CARE-X，一个覆盖胸部 X 光多种解读任务的放射学 VLM，可同时生成自由文本报告并输出带置信度的结构化预测。它基于 SigLIP2-so400M 视觉编码器和 Phi-4-mini-instruct（3.8B），通过分类、定位与语言建模的联合训练及 DAPO 强化学习优化临床正确性，在 ReXVQA 上达到 94% 整体准确率。
Microsoft Research精选AI 评分8383 微软开源 Orchard 智能体框架，Orchard-SWE 在 SWE-bench Verified 达 69.7%
微软研究院开源 Orchard 智能体框架，其核心 Orchard Env 是基于 Kubernetes 的可复用环境服务，支持在 Codex、OpenClaw、ZeroClaw 等真实部署 harness 中训练与评估智能体。
推荐理由：原文给出可复用的开源环境服务与三个训练配方，读者可据此了解小模型在真实任务上的表现水平。
Microsoft Research精选AI 评分7272 微软研究院发布 Echoverse，为计算机使用智能体构建可演化深度训练环境
微软研究院发布 Echoverse，为计算机使用智能体搭建 12 个训练世界，包括 10 个深度领域世界与 2 个能力世界。在全部 12 个世界上训练的 9B 模型得分从 36.5% 提升到 67.1%，与 GPT-5.4 的 80.7% 相差 14 个百分点。
推荐理由：论文给出了高保真合成世界与数据库级验证器的搭建方法，并公开四个环境的代码与任务，可供智能体训练复用。
Microsoft Research精选AI 评分6161 微软提出 EvoLib：把经验转化为持续演化的知识
微软研究团队提出 EvoLib 框架，让大语言模型在推理时从自身经验中学习，无需真值标签或外部反馈。它把过去的尝试提炼为可复用的技能与反思洞察，通过整合和动态权重机制持续精炼，且不更新模型权重，可用于通过 API 部署的黑盒模型。在数学推理、带效率约束的代码编写和长程环境决策三类任务上，EvoLib 优于基于检索的记忆方法，并在大部分算力区间以更高效的 token 使用把测试时算力转化为性能提升。
推荐理由：EvoLib 将测试时的原始经验提炼为可复用技能与洞察，无需更新模型权重，读者可据此理解其持续学习机制。
Hugging Face BlogAI 评分5757 Microsoft Foundry 上线 Hugging Face 开源模型集合，可在 Managed Compute 一键部署
Microsoft 在 Foundry 模型目录上线 Hugging Face 开源模型集合，每周刷新预托管在 Azure 的开源权重，可一键部署到 Foundry Managed Compute。
Mistral AI精选AI 评分6565 Mistral 发布 Mistral OCR 4 文档理解模型
Mistral 发布 Mistral OCR 4 文档理解模型，支持 bounding box、block 分类与逐字置信度，覆盖 170 种语言，可在单容器内自托管。
推荐理由：提供了与主流 OCR 系统的人类偏好对比和价格信息，读者可据此评估替换现有文档解析方案的实际收益。