Microsoft Research Focus #97：AI研究新进展
Microsoft Research Focus #97 介绍了多项AI研究进展，包括ForkPilot自改进框架，通过回溯决策提高AI代理的可靠性和效率；CABRA框架帮助理解编码代理的成功与失败；TeleTune框架通过活动日志提升AI代理技能；以及Copilot在不同行业的使用差异分析。
#论文/研究
#论文/研究
今日 0 条Microsoft ResearchAI 评分3030
NVIDIA Blog精选AI 评分7070 NVIDIA 智能体 AI 技术助力 SETI 项目搜索外星信号
NVIDIA 的智能体 AI 技术被应用于 SETI 项目中，用于搜索外星信号，通过处理大量数据，提高了搜索效率和准确性。
推荐理由：原文介绍了 NVIDIA 在 SETI 项目中使用的智能体 AI 技术，读者可以了解其在搜索外星信号中的应用和效果。
OpenAI News精选AI 评分7070 OpenAI 发布更新模型规范，强调五个核心价值观
OpenAI 发布更新模型规范，强调五个核心价值观，以指导更强大的 AI 向着合理的判断、人类的能动性和忠实于人类意图的方向发展。
推荐理由：OpenAI 发布了更新后的模型规范，强调了五个核心价值观，以指导更强大的 AI 向着合理的判断、人类的能动性和忠实于人类意图的方向发展，读者可以了解这些价值观对 AI 发展的影响。
NVIDIA Blog精选AI 评分6565 C-BRAIN项目利用AI加速阿尔茨海默病研究
C-BRAIN项目利用AI加速阿尔茨海默病研究，通过开放数据和工具，有望加速疾病治疗方法的发现。
推荐理由：C-BRAIN项目利用AI加速阿尔茨海默病研究，通过开放数据和工具，有望加速疾病治疗方法的发现。
OpenAI NewsAI 评分4040 OpenAI 与学术社区合作构建科学理解：分享模型结果与验证方法
OpenAI 在 Kakeya 猜想、指数时间假设和量子色动力学等领域分享了模型结果，并指导研究人员如何验证和扩展这些成果。
Google DeepMind精选AI 评分7070 Google DeepMind 发布全球森林类型地图
Google DeepMind 与合作伙伴发布了 Forest Typology (ForTy) 2020，这是一张全球森林类型的高分辨率地图，可帮助监测和保护森林资源。
推荐理由：该研究提供了对全球森林类型的高分辨率地图，有助于监测和保护森林资源。
Microsoft Research精选AI 评分8080 微软研究人员利用人工智能解决31年数学难题——KLS猜想
微软研究人员与人类研究者合作，利用新的数学思想和人工智能，解决了高维几何和概率中的一个核心问题——KLS猜想，这一突破对统计学、优化、算法和计算机科学具有重要意义。
推荐理由：该研究解决了高维几何和概率中的一个长期未解问题，对统计学、优化、算法和计算机科学具有重要意义。
OpenAI News精选AI 评分4545 OpenAI 利用 AI 智能体在生物数据中发现新线索
OpenAI 与 PerturbAI 和 Scripps Research 合作，使用分布式 AI 智能体在来自数百万脑细胞的生物数据中发现了有希望的研究线索。
推荐理由：OpenAI 使用分布式 AI 智能体在生物数据中发现了新的研究线索，读者可以关注这一研究对生物数据处理的潜在影响。
AWS Machine Learning Blog精选AI 评分7070 i14与AWS合作在Trainium2上训练和部署Laplace 3B线性注意力模型
i14与AWS合作，在Trainium2上训练和部署了Laplace 3B线性注意力模型，展示了原生PyTorch在Trainium2上的应用潜力，为智能体系统提供了新的解决方案。
推荐理由：i14与AWS合作，在Trainium2上训练和部署了Laplace 3B线性注意力模型，展示了原生PyTorch在Trainium2上的应用潜力，为智能体系统提供了新的解决方案。
AWS Machine Learning Blog精选AI 评分4545 在 Amazon SageMaker HyperPod 上微调 GPT-OSS-20B 以实现多语言推理
本文介绍了如何使用 Amazon SageMaker HyperPod 对 GPT-OSS-20B 进行多语言推理微调，并探讨了监督微调（SFT）和强化学习与组相对策略优化（GRPO）的应用效果。
推荐理由：原文详细介绍了如何对 GPT-OSS-20B 进行多语言推理微调，并探讨了 SFT 和 GRPO 的应用效果，对研究该领域的读者有参考价值。
Microsoft Research精选AI 评分7070 Magnetar：基于证明的通用计算
微软研究团队开发的零知识证明虚拟机 Magnetar，在效率、通用性和安全性方面取得了重大进展，有望推动可验证计算的发展。
推荐理由：Magnetar 是微软研究团队开发的零知识证明虚拟机，在效率、通用性和安全性方面取得了重大进展，有望推动可验证计算的发展。
Microsoft Research精选AI 评分4545 StudentSim：通过模拟学生学习行为改进 AI 辅导系统
微软研究团队开发的 StudentSim 系统能够模拟学生学习行为，为 AI 辅导系统的研发提供评估和改进方法，有助于加速 AI 辅导系统的迭代和优化。
推荐理由：StudentSim 通过模拟学生学习行为，为 AI 辅导系统的研发提供了一种新的评估和改进方法，有助于加速 AI 辅导系统的迭代和优化。
OpenAI News精选AI 评分5858 OpenAI 公布前沿模型在数学开放问题上的进展
OpenAI 发布内部前沿模型在数学开放问题上的新结果，并在 GitHub 上公开 Lean 形式化证明与研究细节。
推荐理由：OpenAI 公开内部前沿模型在数学开放问题上的结果，并同步放出 Lean 形式化证明，可供研究者直接查阅。
Microsoft ResearchAI 评分3636 微软研究院用机器学习预测电网空间天气风险，覆盖美国 66,935 座变电站
微软研究院实习生开发了一套机器学习流水线，利用 L1 太阳风观测、AE 与 Dst 指数预报、地质电导率及电网数据，为美国本土 66,935 座变电站生成 30-60 分钟前的区域性空间天气风险估计。
Microsoft Research精选AI 评分6262 微软研究院推出 Quine：面向生物学复杂性的 AI 研究系统
微软研究院推出 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 组成。该系统与 Broad Institute 合作用于胰腺导管腺癌研究，预测并优先排序数千种化合物，最高排名化合物在湿实验中产生了最大的经典态向基底态转变，从缩小搜索空间到选出候选验证仅用一个周末。
推荐理由：微软研究院公开 Quine 的生物世界模型与实验闭环，并给出胰腺癌化合物筛选的湿实验验证结果。
Microsoft Research精选AI 评分6262 微软研究院：将物理 AI 推理卸载到边缘或云端可提升机器人性能与续航
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推理的差异，并给出可复用的 Kubernetes 卸载工具链。
Microsoft ResearchAI 评分4040 微软在 Nature 发布 RetroChimera：开源逆合成模型，专家盲测优于既有模型
微软研究院在 Nature 发表逆合成模型 RetroChimera，并开源其实现与权重。该模型融合 Transformer 模型 R-SMILES 2 与 GNN 模型 NeuralLoc，通过学习式重排序整合两者互补预测。
OpenAI NewsAI 评分2020 OpenAI 分享 AI 生成的 Navier–Stokes 千禧年大奖难题解答
OpenAI 分享了一份 AI 生成的 Navier–Stokes 千禧年大奖难题解答，包含一份文字论述和一份 Lean 形式化证明。
OpenAI NewsAI 评分3434 OpenAI 研究：ChatGPT 与批判性思维训练如何提升学生表现
OpenAI 对 1000 多名学生开展随机研究，考察 ChatGPT、批判性思维、原创性与学生在真实大学作业中的表现。研究关注学生借助 ChatGPT 与批判性思维训练能获得哪些收益。
Microsoft ResearchAI 评分4040 微软 Skala 1.1 发布：训练数据增 2.5 倍，已接入 CP2K 并推进 Psi4、FHI-aims、ORCA、VASP 集成
微软研究院发布深度学习 DFT 交换关联泛函 Skala 1.1，训练数据比首个公开版本多 2.5 倍，在 GMTKN55 的 55 个类别中 32 项排名第一，加权平均误差 2.8 kcal/mol。Skala 现已在 CP2K 中可用，并正被集成进 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。
Microsoft ResearchAI 评分3939 微软研究院发布 MindTopo 基准，揭示多模态模型拓扑推理短板
微软研究院推出 MindTopo 基准，用于评估多模态大语言模型的拓扑推理能力，覆盖连通性、分离、顺序、包围与打结五类关系，并区分静态推理与交互规划两个认知层级。测试显示，当前模型在静态识别上明显优于交互规划，且两者均远低于人类水平，失败多出现在规划阶段而非感知阶段。图像与视频生成仅在单帧内保留拓扑关系时有用，跨动作序列仍不可靠。
Microsoft ResearchAI 评分4040 微软研究院发布 CARE-X：面向临床可用的放射学 VLM，融合辅助监督、奖励对齐学习与工具增强测量
微软研究院推出放射学研究模型 CARE-X，一个统一胸部 X 光 VLM，可同时完成报告生成、疾病存在与否定判断、病灶定位及多标签分类等任务，并支持生成式与双推理两种模式。
OpenAI News精选AI 评分5050 OpenAI 公布数学与理论计算机科学领域的十项进展
OpenAI 公布在数学与理论计算机科学若干长期未解问题上取得的新结果，涵盖几何、密码学与复杂性等方向。
推荐理由：OpenAI 公布数学与理论计算机科学中若干长期未解问题的进展，涉及几何、密码学与复杂性。
Berkeley AI Research精选AI 评分6262 从 CUDA 到 MLX：K-Search 如何把数十年内核经验带到 Apple Silicon
Berkeley AI Research 与 IBM Research 将演化式内核搜索框架 K-Search 扩展到 MLX 后端，并加入结构化的 CUDA 到 MLX 翻译层，让已有 CUDA 内核经验自动适配 Apple Silicon。
推荐理由：原文给出 CUDA 到 MLX 的翻译层设计与两组内核实测数据，可了解跨硬件迁移优化知识的具体做法。
Berkeley AI ResearchAI 评分3838 Berkeley AI Research 提出 ABBEL：用信念状态监督 LLM 长程交互中的摘要更新
Berkeley AI Research 提出 ABBEL 框架，将 LLM 的摘要内容隔离为自然语言"信念状态"并加以监督，以缓解递归摘要带来的性能损失。在 CollabBench 协作编程任务上，采用基于重构的信念评分后，ABBEL 将相对全上下文模型的性能差距缩小约 50%，训练步数从 100 步降至 50 步，峰值上下文 token 数也显著低于全上下文设置。
OpenAI NewsAI 评分2626 OpenAI 研究：AI 智能体如何改变工作方式
OpenAI 发布新研究论文，展示 AI 智能体正在改变工作方式，能够承担更长、更复杂的任务，并在多种岗位上提升生产力。
OpenAI News精选AI 评分5252 研究者用 OpenAI 推理模型辅助诊断儿童罕见遗传病，新增 18 例确诊
研究者使用 OpenAI 推理模型辅助诊断罕见疾病，在先前未解决的病例中新增 18 例确诊。该结果来自对儿童罕见遗传病诊断场景的应用。
推荐理由：材料给出推理模型在罕见病诊断中的实际命中数量，可了解AI辅助临床诊断的落地程度。
OpenAI News精选AI 评分4848 OpenAI 与 Molecule.one 用 GPT-5.4 近自主 AI 化学家改进药物合成反应
OpenAI 与 Molecule.one 展示了一个使用 GPT-5.4 的近自主 AI 化学家，改进了药物制造中的一项关键反应，推进了药物化学研究。
推荐理由：OpenAI 与 Molecule.one 用 GPT-5.4 驱动的近自主 AI 化学家改进药物合成反应，可看 AI 在实验科学中的落地方式。
Google DeepMind精选AI 评分6060 Google DeepMind 发布 AI Control Roadmap，用纵深防御保障内部 AI 智能体安全
Google DeepMind 发布 AI Control Roadmap，一套用于构建和管理 Google 内部部署的高级 AI 的框架，采用纵深防御思路，在模型对齐之外增加系统级安全层，即使对齐不完美也能提供保障。
推荐理由：DeepMind 公开内部 AI Control Roadmap，给出检测与响应分级和百万条编码智能体轨迹的分析结论。
Google DeepMind精选AI 评分6262 Google DeepMind 公布塞拉利昂 AI 教学试验结果
Google DeepMind 公布在塞拉利昂开展的预注册试验结果，使用 Guided Learning 的学生数学成绩比对照组提升 0.258 个标准差，约相当于 1.2 至 1.7 年的常规学习进度，八周内完成。
推荐理由：塞拉利昂预注册试验给出了 AI 辅助教学的具体量化结果，也点出成绩差距这一局限。
OpenAI News精选AI 评分7070 OpenAI 模型推翻离散几何核心猜想
OpenAI 称其模型解决了 80 年历史的单位距离问题，推翻了离散几何中的一个重要猜想，被视为 AI 驱动数学研究的一个里程碑。
推荐理由：OpenAI 模型推翻离散几何中悬置 80 年的核心猜想，可了解 AI 在数学发现上的进展。
Google DeepMind精选AI 评分5050 Google DeepMind 用 Co-Scientist 加速逆转细胞衰老的基因研究
Google DeepMind 介绍生物学家 Omar Abudayyeh 和 Jonathan Gootenberg 使用 Co-Scientist 加速细胞衰老研究。Co-Scientist 扫描数万篇论文后提出 20 多个新的候选基因因子，实验室测试验证了其中几个假设，成功让细胞进入更年轻状态并改善整体功能。此外，原本需要长达六个月的数据分析工作被缩短到几天。
推荐理由：原文给出 Co-Scientist 在衰老研究中的具体产出与验证结果，读者可据此判断 AI 辅助科研的实际落地程度。
Google DeepMindAI 评分2222 Google DeepMind Co-Scientist 助力 Calico 衰老研究
Calico Life Sciences 的 Matt Onsum 与 Katherine Labbé 正使用 Google DeepMind 的 Co-Scientist 整合衰老生物学中零散的研究发现并生成可验证假设。
Google DeepMindAI 评分2828 Google DeepMind Co-Scientist 加速肝病机制发现
爱丁堡大学团队用 Google DeepMind 的 Co-Scientist 研究 MASH 肝病，系统整合肝生物学与药理学证据，锁定 NLRP3 炎症小体作为连接炎症与代谢的分子桥梁，解释 resmetirom 为何仅对少数合格患者有效。该假设经实验验证，或为靶向联合疗法铺路。
Google DeepMindAI 评分3838 Google DeepMind Co-Scientist 助力发现抗肝纤维化药物
斯坦福大学医学院 Gary Peltz 团队用 Google DeepMind 的 Co-Scientist 筛选抗肝纤维化药物，其提出的 3 个候选中有 2 个在活体人类肝细胞测试中阻断纤维化并促进肝细胞再生，而 Peltz 自行挑选的 2 个药物均无效。表现最突出的是抗癌药 vorinostat，阻断了 91% 可驱动肝硬化的损伤反应。相关研究已发表于 Advanced Science。
Google DeepMind精选AI 评分7474 Google DeepMind 发布 Co-Scientist 多智能体科研系统
Google DeepMind 在 Nature 发表 Co-Scientist 研究，这是一个基于 Gemini 构建的多智能体 AI 系统，可迭代生成、辩论和演化科学假设。
推荐理由：原文给出多智能体系统的三阶段架构与多个实验室验证案例，可了解 AI 参与科学假设生成的具体机制。
Berkeley AI ResearchAI 评分3636 自适应并行推理：高效推理扩展的下一个范式
伯克利 AI 研究团队梳理了并行推理领域进展，指出当前多数方法（如 Self-consistency、Best-of-N、Tree of Thoughts、MCTS）的并行结构与分解策略仍由外部预先设定，而非模型自主决定。
Google DeepMind精选AI 评分6262 Google DeepMind 发布 AI co-clinician 医疗智能体研究
Google DeepMind 宣布 AI co-clinician 研究计划，探索 AI 智能体在医生临床监督下协助患者诊疗。在 98 个真实初级保健查询的盲评中，该系统 97 例无关键错误，医生更偏好其回答而非现有证据合成工具；在 20 个模拟远程问诊场景、140 项问诊技能评估中，专家医生整体表现更好，但 AI 在 68 项上达到或超过初级保健医生水平。
推荐理由：Google DeepMind 公开 AI co-clinician 研究，含 98 例零关键错误与 140 项问诊能力对比，可看医疗智能体的能力边界。
Google DeepMind精选AI 评分6262 Google DeepMind 发布 Decoupled DiLoCo 分布式训练架构
Google DeepMind 发布 Decoupled DiLoCo 分布式训练架构，将大规模训练拆分为解耦的计算岛并异步传输数据，从而隔离局部硬件故障。测试中该系统在整块 learner unit 掉线后仍能继续训练并自动重新接入，用 Gemma 4 模型验证其基准 ML 性能与传统训练方法持平。
推荐理由：原文给出分布式训练在带宽、故障隔离和跨代硬件上的实测结果，可据此判断大规模预训练基础设施的演进方向。
Berkeley AI ResearchAI 评分3131 GRASP：面向世界模型的更长视野梯度规划方法
Berkeley AI Research 提出 GRASP，一种面向学习型世界模型的梯度规划器，通过将轨迹提升到虚拟状态实现跨时间并行优化、在状态迭代上直接加入随机性以探索，并重塑梯度让动作获得清晰信号、避免穿过高维视觉模型的脆弱“状态-输入”梯度。该方法针对长视野规划中计算图病态、非贪心结构导致局部极小值以及高维潜空间失效模式等问题，使长视野规划更稳健。