跳到正文
#Microsoft
10月10日周六
  1. The Decoder60

    微软发布 Decision-1 决策模型，基于 Qwen3.5-9B

    微软推出自研决策模型 Decision-1，用于分类、评估和路由决策，官方称其有潜力引导和控制智能体应对复杂环境。该模型基于 Qwen3.5-9B，微软称其在覆盖近 15 万个问题的 36 项基准测试中准确率最高，达到 83.5%、延迟 85 ms，速度是第二名 H2O-Lightning-4B 的 2.5 倍。

  2. TechCrunch · AI35

    Amazon 等公司不再对数据中心交易保密，这足以建立信任吗？

    Amazon 宣布在与地方政府谈判数据中心交易时不再使用保密协议，此前微软今年早些时候已采取类似举措。保密做法此前加剧了社区对 AI 基础设施的反对，从纽约到旧金山已出现数百项拟议和已生效的暂停令。本期 TechCrunch Equity 播客还讨论了个人 AI 初创公司为何把信任当作真正的产品。

  3. TechCrunch · AI22

    Amazon 放弃数据中心保密协议，AI 智能体想要你的信用卡

    Amazon 宣布在与地方政府谈判数据中心交易时不再使用保密协议，此前 Microsoft 今年早些时候已采取类似举措。与此同时，一批初创公司押注消费者愿意让 AI 智能体访问自己的收件箱、文件和信用卡，前提是网站愿意放行。TechCrunch Equity 播客讨论了放弃保密协议是否会改变数据中心交易方式，以及信任为何可能是个人 AI 初创公司真正的产品。

10月8日周四
  2. NVIDIA Blog78

    NVIDIA 与 Microsoft 发布 RTX Spark 及面向 Windows 智能体的 MXC

    在旧金山 Microsoft 活动上，NVIDIA 与 Microsoft 宣布为 Windows PC 上的 AI 智能体共同设计软硬件，Microsoft 宣布 OS 级基础设施 Microsoft Execution Containers（MXC）正式可用，让智能体在系统控制下安全持久地在后台运行。

    推荐理由：NVIDIA 与 Microsoft 把智能体运行所需的系统级容器和本地算力硬件一并给出，读者可据此判断本地智能体工作流的落地条件。

  3. GitHub Blog · AI & ML60

    GitHub 推出基于 ModernBERT 的通用密钥检测模型，扩展 push protection

    GitHub 发布与 Microsoft Applied Sciences 联合微调的 ModernBERT 分类器，用代码上下文识别无固定格式的密钥，可在 2 毫秒内评估一批候选密钥，据称能把可拦截的密钥数量提升一倍以上。

    推荐理由：GitHub 用九个季度数据说明密钥泄露与人工修复的失衡，并给出把检测前移到 push 环节的模型方案。

  4. Microsoft Research71

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

    微软研究院亚洲团队开源 Agent Lightning v1.0，一个约 3500 行代码的轻量智能体强化学习框架，提出 Harnessed Agentic RL 训练范式，让部署时使用的同一 agent harness 直接参与 RL，无需在训练框架内重新实现智能体。

    推荐理由：微软研究院开源 Agent Lightning v1.0，给出约 3500 行代码的智能体 RL 框架与真实 harness 训练路径，可据此判断训练与部署一致性的实现方式。

10月7日周三
  1. Microsoft Research22

    Microsoft 研究播客：AI 评测的意外失败能教会我们什么

    Microsoft 研究合伙人研究经理 Jennifer Neville 在 Microsoft Research Podcast 中与首席应用科学家 Chad Atalla 对谈，探讨评测如何推动当前 AI 系统突破性能边界，以及模型在传统 benchmark 之外测试时出现的"意外失败"。她同时分享了使用当前 AI 系统的实用建议，并强调当结果偏离预期时深入审视数据的重要性。

10月5日周一
  1. GitHub Blog · AI & ML62

    GitHub 发布 AI 代码审查开放基准 ReviewBench

    GitHub 发布 ReviewBench，一个面向 AI 代码审查智能体的离线基准，基于 1.039 亿个 GitHub pull request 的分布构建，包含 219 个 pull request、覆盖 19 种语言。

    推荐理由：GitHub 公开了 AI 代码审查基准的构建方法与评分口径，读者可据此理解离线评测如何对应线上实验。

10月1日周四
9月29日周二
  1. Microsoft Research62

    微软研究院发布 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，由跨序列、结构、功能、细胞状态和成像等多模态数据联合训练的生物世界模型，以及连接模型、科学工具、文献和实验人员的交互式 harness 组成。

    推荐理由：微软研究院公开 Quine 的多模态生物世界模型与实验闭环设计，并给出胰腺癌化合物筛选的湿实验验证结果。

  2. Microsoft Research18

    微软亚洲研究院新加坡分院成立一年：推进前沿 AI 研究、合作与人才培养

    微软亚洲研究院新加坡分院（MSRA – Singapore）作为微软在东南亚的首个研究实验室，成立一年来围绕下一代 AI 模型与智能体系统、领域专用 AI、AI 原生研究实践及生态与人才培养四大方向展开工作。该实验室与新加坡医疗生态伙伴合作推进多模态医疗 AI 和自进化诊断智能体，并联合 EDB 于 2026 年 2 月举办物流与运输 AI 高管圆桌会。

9月26日周六
9月25日周五
9月24日周四
  1. GitHub Blog · AI & ML22

    GitHub Copilot 应用如何渲染超大 pull request

    GitHub Copilot 应用重建了 pull request 视图，以流畅渲染含 2,200 个文件、超百万行改动和 400 多条行内评论的超大 PR。其做法是把文档高度拆成确定性的代码几何与动态评论块两套几何：代码行高提前精确计算，评论高度则按块懒测量、锚定到文件与行，避免滚动跳变。

  2. Microsoft Research62

    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

    微软研究院对移动机器人操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 可提升任务表现。

    推荐理由：微软研究院系统测量了机器人端侧 GPU 推理的瓶颈，并给出可复用的 Kubernetes 卸载工具链，读者可据此判断物理 AI 的部署取舍。

9月21日周一
  1. Microsoft Research50

    微软开源逆合成模型 RetroChimera，成果登上 Nature

    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 与基于 GNN 的 NeuralLoc，通过学习式重排序整合两者互补预测，在十项挑战性靶标的多步合成路线评测中成功 9 项，优于 de novo 模型的 5 项、编辑模型的 4 项和 NeuralSym 的 2 项。

9月1日周二