跳到正文
#Microsoft
今天10月4日周日1 条
  1. The Verge · AI65

    微软用“生物仿生”策略缓解数据中心争议，社区质疑这是“给猪涂口红”

    微软宣布通过“生物仿生”策略，在数据中心周围种植本土植物和授粉花园以减少噪音和视觉影响，试图缓和当地社区的反对声。圣安东尼奥市议员反映，其选区内数据中心已超过十几座，施工期间砍伐大量树木，运营后持续带来光污染和噪音；居民要求微软解决污染、水资源消耗和绿地破坏问题。批评者指出，微软一边推行小规模生态修复，一边与 Chevron 签署20年天然气供电协议，其2025年碳排放反而上升了25%。

10月2日周五
9月29日周二
  1. Microsoft Research60

    Microsoft Research 发布 Quine：面向生物学复杂性的 AI 研究系统

    Microsoft Research 发布 Quine，这是一个结合生物世界模型与交互式工具链的 AI 研究系统，旨在连接科学工具、文献、湿实验和科研人员。与 Broad Institute 合作，团队将 Quine 用于胰腺导管腺癌（PDAC）细胞状态转换研究，基于预测优先排序数千种化合物并完成湿实验验证，最高排名化合物产生了最大预期转录变化，整个筛选到验证流程仅耗时一个周末。

    推荐理由：Quine 给出了具体的能力定位和胰腺癌化合物筛选的实验验证结果，读者可据此评估它在加速生物学发现上的实际潜力。

  2. Microsoft Research23

    Microsoft Research Asia – Singapore 成立一周年：回顾研究、合作伙伴关系与人才培养进展

    Microsoft Research Asia – Singapore 于2025年7月24日开业，是微软在东南亚首个研究实验室，建立在20多年合作基础上。该实验室聚焦四个支柱：下一代AI模型和智能体系统、领域特定AI、AI原生研究实践及生态系统与人才培养，已在医疗AI领域与新加坡医疗机构开展多模态和智能体AI合作研究。其研究方向与新加坡国家AI战略2.0对齐，EDB和IMDA均为重要合作伙伴。

9月26日周六
9月25日周五
9月21日周一
  1. Microsoft Research70

    Microsoft Research 发布 RetroChimera：用于小分子逆合成预测的集成模型

    Microsoft Research 在 Nature 发表论文并开源 RetroChimera，一个用于逆合成预测的集成框架。该模型结合了基于 Transformer 的 R-SMILES 2 和基于图神经网络的 NeuralLoc，通过学习排序策略整合两者的排名预测。

    推荐理由：文章描述了 RetroChimera 如何将两种互补模型（R-SMILES 2 和 NeuralLoc）通过学习排序策略组合，并在多步合成路线盲测中取得显著优势，读者可了解这一集成思路在化学逆合成预测中的实际效果。

9月17日周四
  1. GitHub Blog · AI & ML87

    GitHub Copilot 运行时迁移至 Rust 全过程记录

    GitHub Copilot agent runtime 从 TypeScript/Node.js 迁移至纯 Rust，作者记录了历时约 14.5 周、完成 128 个 pull request、最终交付 832,378 行生产 Rust 代码的全过程。

    推荐理由：作者作为主要执行人记录了超过 80 万行 TypeScript 迁移至 Rust 的完整过程，包含具体策略、工具调用数据和团队协作方法，读者可据此评估大规模 AI 辅助代码迁移的实际可行路径。

9月12日周六
9月11日周五
9月5日周六
  1. GitHub Blog · AI & ML76

    GitHub Copilot 发布 Project HydraFusion 研究预览，通过多模型编排实现前沿质量

    GitHub 发布 Project HydraFusion 研究预览，通过运行时编排选择多模型协同完成任务，支持 Single（单模型直接解决）、Cascade（级联升级）和 Critique（批评修订）三种执行模式。

    推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。

9月1日周二
8月21日周五
  1. Microsoft Research62

    Microsoft Research 发布 Skala 1.1：深度学习 DFT 精度提升，已集成至 CP2K 等主流计算化学软件

    Microsoft Research 发布深度学习交换-相关泛函 Skala 1.1，相比初版训练数据量提升 2.5 倍，在 GMTKN55 基准的 55 个类别中斩获 32 个第一，精度超越最顶级的全局杂化泛函，同时保持 meta-GGA 的计算成本。

    推荐理由：Skala 1.1 已在 GMTKN55 的 55 个类别中斩获 32 个第一，数据规模和多样性大幅提升，同时集成至 CP2K、Psi4、FHI-aims、ORCA、VASP 等主流软件，读者可据此判断深度学习 DFT 在计算化学工作流中的实际可用性。

8月13日周四
  1. Microsoft Research62

    微软发布 MindTopo：揭示 VLM 拓扑推理能力的基准

    微软推出 MindTopo 拓扑推理基准，测试多模态大模型对连通性、分离、秩序、围合和绳结等拓扑关系的理解能力。评测涵盖静态推理和交互式规划两类任务，测试范围包括迷宫连通性判断、绳结真伪识别、围栏内动物定位等场景。结果显示，当前模型在静态识别上表现较好，但在需要跨多步操作保持拓扑一致性的规划任务中显著落后，且错误多发生在规划阶段而非感知阶段，表现为忽视动作后果、丢失任务目标或违反环境物理约束。

    推荐理由：微软发布拓扑推理基准 MindTopo，测试发现当前多模态模型在静态识别上表现尚可，但在需要保持拓扑关系的多步规划任务中表现明显下滑，揭示了感知与行动之间的一致性缺口。

8月12日周三
  1. Microsoft Research69

    CARE-X：借助辅助监督、奖励对齐学习和工具增强测量实现临床实用放射学 VLM

    微软研究院提出了统一胸部 X 光 VLM CARE-X，将生成式报告与结构化诊断预测整合到同一模型，并通过辅助分类头、定位头与 DAPO 强化学习进行协同训练。

    推荐理由：该研究提出辅助监督与 DAPO 强化学习结合可同时提升 VLM 生成能力和结构化预测精度，工具增强方法在测量依赖诊断上显著优于纯视觉推理。

8月4日周二
  1. Microsoft Research82

    Microsoft Research 开源 Orchard 框架：统一环境服务支撑智能体训练与评测

    Microsoft Research 发布开源框架 Orchard，核心是 Kubernetes 原生的 Orchard Env 环境服务，为智能体提供可复用的隔离组件，支持从数据蒸馏、强化学习 rollout 到评测的全流程，无需为每类任务重建底层设施。

    推荐理由：原文给出了三个场景的具体训练数据量、参数规模和性能数字，读者可以直接评估它在各自任务上的可用性。