跳到正文
今天11月3日周二1 条
10月30日周五
10月23日周五
  1. Microsoft Research58

    微软研究院发布 Flint-interactive,让智能体生成可交互数据可视化

    微软研究院发布 Flint-interactive,一种构建在 Flint 之上的交互式数据可视化语言,让智能体生成支持点击、筛选、缩放、高亮和跨图表联动的图表。它把点击、拖拽等原始触发解析为语义事件,用户只需用高层算子描述更新行为,交互与视觉依赖由 Flint 编译器处理。用户可通过 Flint-MCP 和 MCP Apps 在对话中直接使用,开发者可用编程 API 构建仪表盘和数据故事。

    推荐理由:微软研究院公开 Flint-interactive 的语义事件与更新算子设计,可了解智能体生成可交互图表时如何降低调试成本。

10月22日周四
  1. Microsoft Research10

    微软研究院 Catalyst Lab 负责人 Chris White:从阿富汗战场到暗网搜索

    微软研究院 Catalyst Lab 负责人 Chris White 在播客中讲述,他2010年夏以博士后身份参与 DARPA 项目,评估新数据分析方法能否在阿富汗战争中防范暴力、保护士兵,随后赴阿富汗领导先进技术行动。他后来转向具有直接现实影响的技术,开发用于打击人口贩运的暗网搜索工具,并因此获得2016年总统打击人口贩运杰出贡献奖。

  2. NVIDIA Blog58

    NVIDIA 扩展机密计算,推出 Confidential Bare Metal 部署选项

    NVIDIA 扩展机密计算能力,新增 Confidential Bare Metal 部署选项,让前沿模型构建方在第三方裸金属基础设施上运行敏感负载时仍能掌控模型与数据。

    推荐理由:原文给出三种机密计算部署选项和 Cohere、Google Cloud 的接入计划,读者可据此判断前沿模型在第三方算力上运行时的数据保护路径。

10月21日周三
10月20日周二
10月17日周六
10月16日周五
  1. Microsoft Research60

    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。

10月14日周三
10月13日周二
  1. Meta Newsroom58

    Meta 联合 Coinbase、Google、Microsoft、OpenAI 等与全球执法机构打击西非诈骗网络

    Meta、Coinbase、Google、Microsoft、OpenAI、Starlink、Adobe 等科技公司与英国国家犯罪局(NCA)、美国司法部、FBI 等执法机构公布联合行动结果,打击尼日利亚、加纳等西非国家的诈骗网络。

    推荐理由:Meta 联合多家科技公司与执法机构公布西非诈骗网络打击结果,读者可了解跨平台协作的具体分工与处置规模。

10月12日周一
  1. Microsoft Azure AI57

    微软详解 Azure Maia 300 架构:96 加速器机架与 12288 加速器 superpod

    微软发布 Azure Maia 300 架构详解,这是 Maia 第三代加速器,面向云规模智能体推理,相比 Maia 200 提供最高 7 倍的机架级 token 吞吐和超过 2.5 倍的每瓦性能。

    推荐理由:微软官方拆解 Maia 300 的芯片、机架与网络设计,可看清云厂商如何为智能体推理压低每瓦成本。

10月8日周四
  1. Microsoft Research75

    微软研究院开源 Agent Lightning v1.0:约 3500 行的轻量 Agentic RL 框架

    微软研究院开源 Agent Lightning v1.0,这是一个约 3500 行代码的轻量 Agentic RL 框架,提出 Harnessed Agentic RL 范式,让部署时使用的 agent harness 直接参与强化学习,无需在训练框架内重写 agent。

    推荐理由:微软研究院开源 Agent Lightning v1.0,用约 3500 行代码实现让部署中的 agent harness 直接参与强化学习,并给出完整编码 agent 训练流程与实测增益。

10月7日周三
  1. Microsoft Azure AI38

    微软Azure如何用AI贯穿基础设施全生命周期:从供应链到集群运营

    微软Azure在覆盖80多个区域、500个数据中心园区的硬件生命周期中应用智能体与AI工具,先简化流程再引入AI。需求规划的多智能体工作流把原本5到7个工作日的工作缩短到数小时、有时不到20分钟,5个以上规划周期中人工投入减少约50%,部分流程周期缩短最多75%。履约环节的智能助手将排查阻塞的时间节省最多55%。

  2. Microsoft Research21

    Microsoft 研究:AI 会犯哪些错,失败又能教会我们什么

    Microsoft 研究合伙人 Jennifer Neville 在 Microsoft Research Podcast 中讨论评估如何推动 AI 系统突破传统 benchmark 的性能边界,以及模型在超出常规测试时出现的“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,分享使用当前 AI 系统的实用建议,并强调结果偏离预期时应仔细检查数据。

10月1日周四
  1. Microsoft Research45

    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。

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。

9月24日周四
  1. Microsoft Research67

    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。