跳到正文
#Microsoft
今天10月15日周四2 条
  1. The Decoder71

    OpenAI 今年或发布一两款新模型，旗舰款仍需对齐工作

    据 The Information 援引知情人士，OpenAI 员工称公司年底前可能发布一两款新模型，但正在开发的重大升级旗舰款是否在其中尚不清楚。该旗舰款与 Astra 一样采用循环 Transformer 技术（生产中称 Recurrent Depth），可提升数学与编码表现并降低成本，但会把部分思考过程移入人类审查者无法检查的内部数值表示，削弱思维链监控。

  2. The Verge · AI62

    微软开源 PBC 工具，用机器学习提升 2 至 6 周天气预报精度

    微软研究院提出概率偏差校正（PBC）方法，用机器学习识别并修正现有天气预报模型的系统性偏差，相关成果发表在 Nature 上，工具已开源。研究显示，PBC 将 ECMWF 领先物理模型在 98% 降水目标和 92% 温度目标上的精度提升，并使其 AI 预报系统的准确率翻倍。该方法可仅靠 CPU 运行，研究者希望资源有限的气象机构也能借此改进预报。

10月14日周三
  1. GitHub Blog · AI & ML32

    GitHub 如何用 ModernBERT 分类器实现更低噪声的密钥检测

    GitHub 为密钥扫描训练了专用的 ModernBERT 分类器，与旧 LLM 流水线相比，用户告警接受率提升 11.5%，推送后扫描中位执行时间降低 86%，服务成本节省超 98%。该方案采用两阶段流水线：先用正则高召回生成候选，再由微调后的 ModernBERT 结合文件路径、变量名和上下文判断是否为真实凭据，从而把占位符、测试样例和校验和等误报过滤掉。

10月13日周二
  3. Microsoft Research40

    微软研究院推出 StudentSim：用个性化 AI 学生模拟器评估和改进 AI 辅导系统

    微软研究院提出 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，用于在真实学习者测试前评估和改进 AI 辅导系统。该研究同时发布 StudentSimEval 基准，覆盖国际象棋、第二语言英语写作和数学三个领域，从行为保真度和指导响应性两个维度评估模拟器，StudentSim 在三个领域均优于领先基线。

10月12日周一
  1. Mustafa Suleyman66

    微软宣布将 Maia 系列扩展到多吉瓦级部署，使其成为自家产品和服务的首要推理系统，并推出 Maia 300，相比领先的 GPU 系统每瓦 token 数提升 40%。微软表示 Maia 200 已在美国、欧洲和澳大利亚部署，在 Teams 和 Copilot 中每瓦 token 数最高提升 1.7 倍。

    引用Satya Nadella@satyanadella

    今天，我们宣布迄今为止在自研芯片上最大的一笔押注。 从下一个自然年开始，我们将把 Maia 系列扩展到数吉瓦级的部署规模，使其成为我们自有产品和服务的首要推理系统。 同时，我们推出 Maia 300，相比领先的基于 GPU 的系统，每瓦可多提供 40% 的 token。 我们已在美国、欧洲和澳大利亚部署 Maia 200，在 Teams 和 Copilot 的各项体验中，每瓦可多提供最高 1.7 倍的 token。 我们的目标是，在已经实现的全栈效率提升基础上继续发展，同时持续将整个生态系统中的最新创新引入我们的集群。

    推荐理由：微软自研 Maia 芯片的部署节奏与能效数字，可用来观察大厂推理算力自建路线的进展。

10月11日周日
10月9日周五
  1. MIT Technology Review · AI34

    我们高估了 AI 说"不"的能力

    MIT Technology Review 指出，AI 的拒绝能力已成为安全体系的核心承重墙，但这一机制本质上是概率性的，并不可靠。模型在训练中习得暴力与恶意知识，拒绝只是后置约束；已有用户试图用先进 AI 研发生物病原体和自主无人机蜂群。同时，拒绝的边界由 AI 公司秘密划定，政府也将介入，可能被用于压制合法言论。

10月8日周四
  1. GitHub Blog · AI & ML62

    GitHub 推出基于 ModernBERT 的密钥检测分类器，扩展 push protection

    GitHub 发布与 Microsoft Applied Sciences 联合微调的 ModernBERT 分类器，用于把 push protection 扩展到无固定格式的密钥，可在 2 毫秒内评估一批候选密钥，官方称有望让可拦截的密钥数量增加一倍以上。

    推荐理由：GitHub 用九个季度的数据说明密钥泄露压力来自代码量增长，并给出把检测成本压到 2 毫秒内的新分类器思路。

  2. Microsoft Research71

    微软研究院开源 Agent Lightning v1.0：3500 行代码的轻量智能体 RL 框架

    微软研究院开源 Agent Lightning v1.0，一个约 3500 行代码的轻量智能体强化学习框架，提出 Harnessed Agentic RL 范式，让部署时使用的 agent harness 直接参与训练，无需在训练框架内重写智能体。

    推荐理由：微软研究院开源 Agent Lightning v1.0，读者可了解让部署用 harness 直接参与 RL 训练的思路与实测收益。

10月7日周三
  1. Microsoft Research22

    Microsoft 研究员 Jennifer Neville 谈 AI 评测的意外失败与真实世界表现

    Microsoft 合伙人研究经理 Jennifer Neville 在 Microsoft Research Podcast 中讨论评测如何推动 AI 系统突破传统 benchmark 的性能边界，以及模型在超出常规评测时出现的"意外失败"。她结合自身从数学、物理、认知科学转向计算机科学的经历，分享了使用当前 AI 系统的实用建议，并强调当结果偏离预期时应仔细审视数据。

10月6日周二
10月5日周一
  1. GitHub Blog · AI & ML60

    GitHub 发布 ReviewBench：面向 AI 代码审查的开放基准

    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 PR 的分布构建，包含 219 个 PR、覆盖 19 种语言，采用多来源 golden set 与统一评分标准，并由资深工程师独立复核，一致率 96.6%。

    推荐理由：GitHub 公开了代码审查基准的构建方法与离线到线上的验证数据，可据此判断评测信号是否可信。

10月4日周日
  1. Hugging Face Blog66

    微软 ThinkingBox 基准：按数据库终态而非模型自述评判 AI 智能体

    微软 Copilot Studio 团队与 Hugging Face 联合发布 ThinkingBox 智能体评测基准，通过隔离的 MCP 工具会话运行任务，只根据智能体留下的后端终态和副作用打分，而非其生成的文字。

    推荐理由：微软与 Hugging Face 联合发布的智能体评测基准，用数据库终态而非模型自述来判定任务成败，并给出 20 次重复下的稳定性与成本数据。

10月2日周五
  3. Mustafa Suleyman62

    微软 AI 发布流式语音转文字模型 MAI-Transcribe-2-Streaming，在 AA-WER Streaming 的最终转写准确率与首个部分转写准确率上均排名第一，最终转写 WER 为 2.5%、语音结束后 0.13s 返回结果。该模型流式转写定价为每小时音频 0.54 美元，非流式转写为每小时 0.10 美元。Mustafa Suleyman 称其比 ElevenLabs 快 55%、便宜 60%，并邀请开发者在其平台上构建智能体。

    引用Artificial Analysis@ArtificialAnlys

    Microsoft AI has released MAI-Transcribe-2-Streaming, taking the #1 spot for Final Transcript accuracy and First Partial Transcript accuracy on AA-WER Streaming with 2.5% WER at 0.13s after end of speech MAI-Transcribe-2-Streaming is @MicrosoftAI's new streaming Speech to Text model, joining the non-streaming MAI-Transcribe-2. It leads streaming Final Transcript WER at 2.5%, ahead of the previous #1, SpaceXAI's Grok Voice Transcribe 2.0 at 2.7%, and returns that transcript in 0.13s rather than 0.49s. It is available for streaming transcription at $0.54 per hour of audio, at the higher end of pricing among the leading streaming models. Key takeaways ➤ Final Transcript: MAI-Transcribe-2-Streaming achieves 2.5% WER at 0.13s after end of speech, ranking #1 of 38 models. It is more accurate and faster than Grok Voice Transcribe 2.0 at 2.7% and 0.49s, Muse Voice Transcribe at 3.1% and 0.16s, and ElevenLabs Scribe v2 Realtime at 3.6% and 0.14s. It is also more accurate, though slightly slower, than Cartesia Ink Preview (external endpoints) at 3.1% and 0.11s ➤ First Partial Transcript: The model achieves 2.5% WER at 0.12s, ahead of Grok Voice Transcribe 2.0 at 3.4% and 0.49s, and ahead of Muse Voice Transcribe and ElevenLabs Scribe v2 Realtime on accuracy, both at 3.6%, and slightly faster than both at 0.12s versus 0.13s. It is more accurate but slower than Cartesia Ink-2 (external endpoints) at 4.0% and 0.07s ➤ Price: MAI-Transcribe-2-Streaming costs $0.54 per hour for streaming, or $9.00 per 1,000 minutes. This puts it level with Gemini 3.5 Transcribe Live at $9, above the $6.50 charged for ElevenLabs Scribe v2 Realtime and Deepgram Flux, more than twice Cartesia Ink-2 at $4, and three times Muse Voice Transcribe at $3. Non-streaming transcription costs $0.10 per hour, or $1.67 per 1,000 minutes Congrats to the @MicrosoftAI team on the launch! See more details below

10月1日周四
9月29日周二
  1. Microsoft Research62

    微软研究院推出 Quine：面向生物学复杂性的 AI 研究系统

    微软研究院发布 Quine，一个面向生物学复杂性的 AI 研究系统，由生物世界模型和连接模型、科学工具、文献与实验人员的交互式 harness 两部分组成。该系统与 Broad Institute 合作用于胰腺导管腺癌研究，预测并排序数千种化合物以推动肿瘤细胞状态转变，最高排名化合物在多项湿实验中得到验证，从缩小搜索空间到选出候选仅用一个周末。

    推荐理由：微软研究院公开 Quine 的多模态生物世界模型设计，并给出胰腺癌细胞状态预测在湿实验中获验证的案例。

  2. Microsoft Research18

    微软亚洲研究院新加坡分院成立一周年：推进前沿 AI 研究、合作与人才培养

    微软亚洲研究院新加坡分院（MSRA – Singapore）作为微软在东南亚的首个研究实验室，成立一年来围绕下一代 AI 模型与智能体系统、领域专用 AI、AI 原生研究实践、生态与人才培养四大方向展开工作。该实验室与新加坡医疗生态伙伴合作推进多模态医疗 AI 和自进化诊断智能体，并与 EDB、IMDA 等机构在物流运输、产业 AI 等方向开展合作。

9月26日周六
  1. GitHub Blog · AI & ML40

    GitHub Copilot 应用入门：如何用 canvases 构建自定义工作流

    GitHub Copilot 应用中的 canvas（画布扩展）是一种可自定义的双向界面，用户只需在 agent 会话中输入 /create-canvas 并用自然语言描述需求，即可生成看板、发布清单或仪表盘等界面，无需手写代码或设计。canvas 会保存为扩展，可随项目共享或作为个人扩展复用，社区已在 Awesome Copilot 分享发布说明、看板、issue 分诊等现成扩展。

9月25日周五
  1. GitHub Blog · AI & ML36

    GitHub Copilot 为何认为 chat 是错误的 UI

    GitHub Copilot 提出 canvas 概念，即运行在 GitHub Copilot app 内、无浏览器外壳的全栈应用，可与 agent 双向通信并调用第三方 API、在本地执行代码。官方认为 chat 只是通用兜底方案，用户明确任务时更该让 agent 构建可复用工具，而非把 agent 本身当工具，例如用 canvas 管理 Winget 包或直接操作 SQLite 数据库。

9月24日周四
  1. Microsoft Research62

    微软研究院：物理 AI 机器人推理卸载研究与工具链

    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。

    推荐理由：微软研究院系统测量了机器人端侧推理与卸载到边缘或云端 GPU 的差异，并给出可复用的 Kubernetes 卸载工具链。

9月21日周一