Microsoft Research

微软研究团队推出Vega零知识证明系统，可在不暴露凭证本身的情况下验证政府颁发的身份信息，支持移动端100毫秒内生成证明，无需可信设置，即将开源。

微软研究院发布MagenticLite、MagenticBrain和Fara1.5三个组件，专为小型模型优化的智能体体验，通过协同设计实现浏览器和本地文件系统统一工作流，其中Fara1.5在网页导航性能上几乎翻倍提升。

SocialReasoning-Bench 揭示当前主流 AI 模型在代表用户进行社交推理时，虽能完成任务但常接受次优结果，未能充分维护用户利益。

MindTopo基准测试揭示多模态模型在拓扑推理任务中存在显著缺陷，尤其在动态场景规划能力不足。

Skala 1.1通过增加2.5倍训练数据和集成到多个软件，显著提升DFT计算的准确性和可访问性。

微软研究院提出二项式流模型，通过去噪和流匹配解决离散序数数据生成问题，填补连续与分类扩散模型间的空白。

EvoLib框架让AI模型通过自身经验学习，无需外部反馈，知识库持续优化提升性能。

微软发布Orchard开源框架，通过Orchard Env环境服务支持多领域智能体训练，30亿参数模型在SWE-bench测试中达到69.7%性能。

微软研究院提出扩展流生成模型，通过流映射技术实现超越固定画布的快速灵活生成。

GCT框架通过AI生成可验证的理论，揭示大脑皮层对语言的响应机制，推动神经科学与AI的结合。

Talos 是一个开源系统，可将基因组医学中的人工审核时间减少 90%，并为每位患者仅提供 1.3 个候选变异供专家审核。

Talos 是一个开源工具，通过自动化迭代基因组重分析，显著提升罕见病诊断率，同时保持低误报率。

ResNet 获得 CVPR 2026 长期影响奖，其残差连接技术已成为现代 AI 系统构建的基础。

AI模型从多样化的细胞状态中学习比单纯扩大数据集更有效，可能改变个性化治疗的匹配方式。

微软研究院提出Intervene框架，通过LLM-based projection将AI代理输出分解为可验证属性，并实时生成形式化规范以确保合规性。

微软研究院发布 Magenta Light，基于小型模型的全栈代理体验。

GitHub Agentic Workflows 引入 AI 代理自动化软件开发流程，结合 GitHub Actions、Copilot CLI 和安全沙盒，实现端到端自动化。

Intervene 是微软研究院开发的实时验证框架，通过自然语言提取可验证属性，提升代理系统可靠性。

微软研究团队利用公开数据构建了覆盖美国48个州的电力传输网络模型，支持AC-OPF分析。

文章分析了AI技术在不同阶段的经济和社会影响，提出从增强到自动化再到重构的三阶段模型，并强调制度和组织协调是实现深度变革的关键。

小波参数化可解释建模扩散模型得分函数，揭示局部交互对去噪性能影响最强，高分辨率下小波优势显著；该框架是理论探针，非为超越训练模型。

微软研究院展示了多个AI研究进展，涵盖小语言模型谈判、非洲语言语音评估及知识转化工具。

在材料逆向设计中加入约束的生成式 AI 能显著提升目标性能材料的生成效率，并通过 DiffSCP、MatGen 等模型实现晶体结构的快速筛选。

微软研究院提出测试时验证机制Intervene，通过将AI代理行为转化为可验证属性并自动生成Python验证器，显著提升小模型在复杂任务中的准确性。

微软研究团队提出Intervene方法，在Tau Too Bench等基准测试中，小型模型的准确性可媲美前沿模型，通过提取可验证属性并自动生成Python代码进行运行时验证。

mimalloc作为微软开源的内存分配器，显著提升了现代应用和服务在大规模内存管理中的性能和效率，成为处理十年内增长百倍级内存需求的关键工具。

微软研究提出一种新的语言模型微调方法，通过匹配语义而非词元来提升模型效果。

微软研究院探讨即使个体AI代理安全，互连的AI生态系统仍可能面临风险。研究分析了AI代理交互时的问题及为何需网络层面的新策略。

微软研究团队展示了针对全同态加密（FHE）的统一硬件加速器设计，利用混合方案在保持安全性的同时显著降低了计算开销。

微软研究引入SkillOpt，将技能文档视为冻结代理的可训练外部状态，而非人工编写，提高了泛化能力。