微软 MAI-DxO 登上《科学》杂志，AI 会诊准确率约83%高于医生组
微软公布 MAI-DxO 系统，让同一个大模型扮演五位分工不同的虚拟医生组成会诊小组，包括提出诊断、挑选检查、唱反调、盯成本和复核的角色，成果登上《科学》杂志。
推荐理由：原文拆解了微软 MAI-DxO 五角色会诊机制的分工细节和测试费用数据，读者可以了解多智能体医疗诊断的可行思路。
#Microsoft
钛媒体精选AI 评分7373
TechCrunchAI 评分6969 微软 MAI-DxO 研究登《Science》：复杂病例诊断准确率 83%，高于全科医生的 36%
微软的 AI 诊断系统 MAI-DxO 在《Science》发表的一项模拟研究中，对复杂病例的诊断准确率为 83%，而单独工作的全科医生和普通内科医生为 36%。
199ITAI 评分3838 微软调查：84%英国高管看好英国五年内成全球AI领先经济体，员工仅41%
微软基于5000名英国员工和1000名企业决策者的调查显示，84%的英国高管相信英国将在五年内成为全球领先AI经济体，员工中仅41%持相同看法。90%的高管称所在组织已有明确AI战略，49%的员工相信AI将在五年内对社会产生积极影响，高管中该比例达90%。在政策层面，58%的员工和62%的领导者认为政府应采取更多措施帮助国家利用AI机遇，技能培训被双方列为优先事项。
Microsoft Research精选AI 评分7676 微软研究者证明 31 年未解的 KLS 猜想
微软研究院 Xinzhi Zhang 与合著者 Zhao Song 证明了 1995 年提出的 Kannan-Lovász-Simonovits（KLS）猜想，给出与维度无关的固定界。
推荐理由：微软研究者用人类主导的智能体搜索证明 KLS 猜想，可看人机协作如何参与数学发现。
Microsoft Azure AIAI 评分2222 Microsoft 与 NVIDIA 发布《企业级开放权重模型风险管理》指南
Microsoft 与 NVIDIA 联合发布《Risk Management for Open-Weight Models in Enterprise》，这是双方计划系列资源中的首篇，提出共享风险分类法和基于 ISO 标准与 NIST AI 风险管理框架的管理方法。
Microsoft Research精选AI 评分6060 微软研究院推出 Magnetar：基于标准哈希函数的零知识证明虚拟机
微软研究院发布零知识证明虚拟机 Magnetar，可直接证明用 Rust、Go 或 C 编写的程序执行过程，安全性仅依赖 SHA-256、SHA-3 等标准哈希函数。
推荐理由：微软研究院梳理十余年零知识证明研究脉络，说明 Magnetar 如何在速度、通用性和密码学假设上同时推进。
Microsoft ResearchAI 评分4949 Microsoft Research 推出 StudentSim：用 AI 学生模拟器评估和改进 AI 辅导系统
Microsoft Research 提出 StudentSim，从公开的去标识化学习记录训练个性化 AI 学生模拟器，用于在真实学习者测试前评估和改进 AI 辅导系统。
Microsoft ResearchAI 评分4545 微软研究院用机器学习预测电网空间天气风险
微软研究院开发了一套端到端机器学习流水线，可提前30至60分钟为美国本土66,935座变电站生成位置级空间天气风险估计。系统结合AE与Dst指数预报、纬度、地质电导率及电网数据，在评估期内检出近80%的重大空间天气事件。其Dst预测器在2020-2026年评估期内地磁活动最活跃时段有62.2%的小时数优于Burton方程。
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，一个面向生物学的研究系统，由跨模态生物学世界模型和连接模型、科学工具、文献与研究者的交互框架组成。该系统与 Broad Institute 合作用于胰腺导管腺癌研究，按化合物驱动肿瘤细胞状态转换的潜力对数千种化合物排序，排名最高的化合物在多项湿实验中产生了预期的经典态到基底态转变，整个筛选到候选优先排序过程耗时一个周末。
推荐理由：微软研究院公开 Quine 的生物学世界模型与工具编排框架，并给出胰腺癌细胞状态预测的湿实验验证结果。
Microsoft Research精选AI 评分6767 微软研究：把物理 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 推理从机载 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：微软对机器人端侧推理的系统性测量显示，把推理卸载到边缘或云端可提升任务成功率与续航，并给出可复用的 Kubernetes 工具链。