Microsoft Copilot 如何基于合成企业数据建立 AI 置信度评估
Microsoft 构建了行业评估数据生成平台，利用 O*NET、在线招聘及 SEC 文件等公开数据创建全规模合成企业环境，以解决真实敏感数据无法用于评测的难题。该平台通过模拟动态租户工作流，为 Microsoft Copilot 建立了首个标准化评估基线，确保在零客户数据接触下验证模型准确性。
#Microsoft
Microsoft ResearchAI 评分4242
Microsoft ResearchAI 评分4040 Microsoft Research Focus 第 97 期：ForkPilot 框架降低 AI 智能体处理需求达 59%
Microsoft Research Focus 第 97 期发布，重点介绍 ForkPilot 自改进智能体框架。该框架在六个基准测试中表现媲美最佳现有方法，同时将 AI 处理需求降低最多 59%。本期还涵盖 CABRA 编码智能体评估、TeleTune 技能演化及 Copilot 使用模式分析。
TechCrunch · AI精选AI 评分8080 Microsoft 发布 MAI-DxO 研究：AI 诊断系统在复杂病例上准确率超全科医生
Microsoft 在 Science 发表研究，其多智能体诊断系统 MAI-DxO 在复杂病例模拟中准确率达 83%，高于全科医生的 36%。该系统在 GPT-5.5 上表现最佳，但成本仅降低约 3000 美元且急诊病例提升有限。Microsoft 计划与 Mayo Clinic 合作训练医疗基础模型，并将在 Boston 医院开展真实世界评估。
推荐理由：原文展示了多智能体系统在复杂病例上超越全科医生的模拟数据，并给出了不同模型下的成本与准确率对比。
The Verge · AIAI 评分7878 微软发布 Diagnostic Orchestrator 研究，称其诊断准确率超人类医生
微软在 Science 期刊发表研究，其基于 GPT-5 的多智能体系统 Diagnostic Orchestrator 在 SDBench 基准测试中诊断准确率达 83%，显著高于人类医生的 36%。微软计划将该基准开源，并将在未来数月内与 Beth Israel Deaconess 医疗中心合作开展真实临床环境测试。
Microsoft Research精选AI 评分8585 Microsoft Research 证明 31 年前提出的 KLS 猜想
Microsoft Research 研究人员与合著者共同证明了困扰数学界 31 年的 KLS 猜想，确立了高维几何中普适的几何原则。该成果通过人类主导的 AI 智能体研究流程实现，AI 系统探索了超过 100 种候选方法，研究人员负责评估、剪枝和重定向搜索。独立研究者已验证该研究，并发布了基于 Lean 4 的形式化验证，确认了结果的可靠性。
推荐理由：展示了人类主导 AI 探索数学路径并解决高维几何核心难题的过程，为 AI 辅助科研提供了具体范式。
Microsoft Research精选AI 评分7373 Microsoft Research 发布 Magnetar：基于标准哈希函数的通用零知识证明系统
Microsoft Research 发布 Magnetar，一种基于标准哈希函数的零知识虚拟机，支持 Rust、Go 和 C 程序的可验证执行。Magnetar 在笔记本电脑上每秒可证明 720 万至 870 万条处理器指令，比现有最快同类系统平均快 10 至 39 倍，且证明验证时间仅需约 12 毫秒。
推荐理由：Magnetar 将零知识证明速度提升 10 至 39 倍，且仅依赖标准哈希函数，为通用计算的可验证性提供了工程化路径。
The Verge · AIAI 评分5757 微软发布开源机器学习工具 PBC，提升中长期天气预报精度
微软研究人员在 Nature 期刊发表研究，推出名为 PBC 的开源机器学习工具，用于纠正现有气象模型的系统性偏差。该工具仅需 CPU 即可运行，在测试中将 ECMWF 物理模型的降水预报准确率提升至 98%，并将 AI 预报系统的准确率翻倍，旨在帮助资源有限的机构提升极端天气预警能力。
Microsoft ResearchAI 评分5252 Microsoft Research 发布 StudentSim：利用个性化学生模拟器优化 AI 导师训练
Microsoft Research 提出 StudentSim 系统，通过公开去标识化学习记录训练个性化学生模拟器，以在真实测试前评估和改进 AI 导师。该系统在棋类、二语写作和数学三个领域表现优于 GPT-5.4 等基线，并在棋类导师强化学习实验中，将导师准确率从 75.7% 提升至 90.5%。
The DecoderAI 评分7272 微软研究发现清除聊天历史可帮助 AI 智能体找到更优解
微软研究院发现，长期运行的 AI 智能体常因积累的对话上下文陷入“想法盆地”，导致性能停滞。研究提出的 Fork-and-Flush 方法通过并行分支并清除聊天历史（保留工作区文件），在相同算力预算下将归一化平均得分从 0.47 提升至 0.78，相对提升 66%。
Microsoft Research精选AI 评分8080 Microsoft Research 发布 Agent Lightning v1.0 轻量级智能体强化学习框架
Microsoft Research 发布 Agent Lightning v1.0，这是一个约 3500 行代码的轻量级智能体强化学习框架，支持在真实部署环境中直接进行训练。
推荐理由：原文展示了利用真实 Agent 框架进行强化学习训练的方法，并给出了在 SWE-bench Verified 上提升 14.6 个百分点的具体实验数据。
Microsoft ResearchAI 评分4242 Microsoft Research 发布电网空间天气风险预测系统
Microsoft Research 开发机器学习管道，利用太阳风数据预测美国大陆 66,935 个变电站的空间天气风险，提前 30-60 分钟预警。该系统在评估期内检测到近 80% 的重大空间天气事件，Dst 预测在 62.2% 的高峰时段优于 Burton 方程。
Microsoft ResearchAI 评分5757 Microsoft Research 发布逆合成预测模型 RetroChimera 并开源
Microsoft Research 在 Nature 期刊发表 RetroChimera，这是一种用于小分子逆合成预测的新框架。该模型结合了 R-SMILES 2 和 NeuralLoc 两个子模型，通过学习重排序策略整合两者的互补优势，在盲测中获得了博士级化学家的偏好。RetroChimera 的代码和权重已在 GitHub 开源，并可通过 Microsoft Foundry 访问。