Microsoft Research Focus 第 98 期:AI 通用翻译、31 年数学难题与编码智能体效率
Microsoft Research Focus 第 98 期聚焦多项研究进展:AI 语音翻译推动通用翻译落地,新研究解决了高维几何领域悬置 31 年的 KLS 猜想,其证明已通过计算机辅助形式化验证。
Microsoft Research Focus 第 98 期聚焦多项研究进展:AI 语音翻译推动通用翻译落地,新研究解决了高维几何领域悬置 31 年的 KLS 猜想,其证明已通过计算机辅助形式化验证。
微软研究人员发现名为 Lazarus 的后门技术,只需对 LLM 中不到 10 个休眠神经元做权重改写、无需训练,就能让基于该模型的智能体在触发条件出现时执行攻击者命令。
Microsoft Research Focus 第97期介绍了多项新研究:自改进智能体框架 ForkPilot 在六个基准和主流模型上测试,达到现有最佳方法水平的同时将 AI 处理开销降低最多 59%。
微软与 Hugging Face 联合发布 ThinkingBox-Training,把 ThinkingBox 对数据库终态的确定性校验直接当作 RL 奖励,用于训练有状态业务智能体。
微软的 AI 诊断系统 MAI-DxO 在《Science》发表的研究中,对《新英格兰医学杂志》复杂病例的模拟诊断准确率为 83%,而单独工作的全科医生和内科医生为 36%;这些复杂病例通常由专科医生或团队处理,但后者未参与对比。
微软发布由 GPT-5 驱动的 Diagnostic Orchestrator,用多个 AI 智能体推理症状、决定检查项目并给出诊断,在《新英格兰医学杂志》病例上准确率约 83%,使用参考资料的全科医生约 36%,无参考资料者约 22%。
微软研究院机器学习与优化组的 Xinzhi Zhang 与合著者 Zhao Song 证明了 1995 年提出的 Kannan-Lovász-Simonovits(KLS)猜想,证明该关系在高维下由固定常数界定、不随维度增长。
微软研究院发布零知识虚拟机 Magnetar,可证明用 Rust、Go 或 C 编写的 RISC-V 程序执行,在笔记本上每秒证明 720 万至 870 万条处理器指令,15 个基准程序上平均比现有最快 zkVM 快 10 至 39 倍,证明验证约 12 毫秒。
微软研究院一项研究提出 Fork-and-Flush 方法,让智能体分叉出 K 个并行分支,每个分支清空全部对话上下文但保留工作区,从而跳出反复打磨同一类解法的 idea basins。
微软研究院推出 StudentSim,一种从公开去标识化学习记录中训练个性化 AI 学生模拟器的研究系统,让 AI 辅导工具在接触真实学习者之前就能获得反馈。该系统同时提出 StudentSimEval 评测基准,从行为保真度和对辅导的响应度两个维度评估模拟器,覆盖国际象棋、第二语言英语写作和数学三个领域,表现优于主流基线。StudentSim 并非产品,不会部署到课堂,也不用于替代教师。
GitHub 发布 ReviewBench,一个面向 AI 代码审查智能体的开放离线基准,基于 1.039 亿个 GitHub pull request 的分布构建,包含来自 187 个开源仓库、覆盖 19 种语言的 219 个 pull request。
微软 Copilot Studio 团队与 Hugging Face 联合发布 ThinkingBox,通过隔离的 MCP 工具会话运行智能体,再对终端后端状态和副作用做可执行检查,而非只看回答文本或工具调用是否合法。
微软研究院开发了一套端到端机器学习流水线,利用 L1 太阳风观测、AE 与 Dst 指数预报及各地地质电导率数据,为美国本土 66,935 座变电站生成 30 至 60 分钟前的局地空间天气风险估计。
微软研究院对移动操作机器人工作负载做了系统性测量,发现把物理 AI 推理从机器人端侧 GPU 卸载到边缘或云端 GPU,可提升任务成功率、支持更大模型并延长续航。
微软在 Nature 发表逆合成预测框架 RetroChimera,并开源其实现与权重。该模型融合 Transformer 模型 R-SMILES 2 与基于 GNN 的 NeuralLoc,通过学习式集成对两者预测重排序,在盲测中化学家更偏好其单步反应预测。
Hugging Face 发布研究,提出共识分歧探针、掩蔽实体检索和拼写切换三项测试来量化语音识别中的基准优化现象。研究评测 11 个开源 ASR 模型,发现部分高分模型会复现 VoxPopuli 和 LibriSpeech 参考转写中的错误,即使音频与之矛盾、相关词被静音或两种写法在音频中同样成立。
微软研究院发布深度学习 DFT 泛函 Skala 1.1,训练数据量为此前公开版本的 2.5 倍,在 GMTKN55 基准的 55 个类别中 32 项排名第一,加权平均误差 2.8 kcal/mol。该版本已可在 CP2K 中使用,并正集成进 Psi4、FHI-aims、ORCA 和 VASP,同时微软推出持续追踪各版本计算性能的 living benchmark。
微软研究院推出 MindTopo 基准,用于评估多模态大模型在连通性、封闭、顺序、分离与打结五类拓扑关系上的推理与规划能力。测试显示,当前模型在静态图像识别上表现明显优于交互式规划任务,失败多发生在规划阶段而非感知阶段,且整体远低于人类水平。图像与视频生成仅在单帧保留结构关系时有用,跨多步操作后常改变拓扑或违反任务约束。
微软研究院发布研究模型 CARE-X,一个统一胸部 X 光视觉语言模型,可同时完成报告生成与结构化预测,并用强化学习(DAPO)在多任务设置下奖励临床正确性。CARE-X 支持生成与双推理两种模式,覆盖病灶有无与否定、定位、多标签分类、导管与管线异常位置检测及 29 个解剖区域定位等任务。
微软研究院提出 Echoverse,为 computer-use 智能体构建十二个训练世界,包括十个深度领域世界和两个能力世界,并开源其中四个世界的代码、数据与评分器。