公司与模型
微软的 AI 布局：Copilot 全家桶、Azure AI 基础设施与 OpenAI 合作关系的持续追踪。
9 条精选近 30 天 4 条共收录 15 条
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。
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。
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。
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。
Microsoft Research 开源了 GigaPath-Flash 和 GigaTIME-Flash，这是 GigaPath 和 GigaTIME 的蒸馏高效版本。
推荐理由：GigaPath-Flash 在保持 97% 性能的同时将计算量降低约 50 倍，使大规模病理研究从不可行变为可操作。
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。
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。
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。
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。