Microsoft Research
PulseAugur coverage of Microsoft Research — every cluster mentioning Microsoft Research across labs, papers, and developer communities, ranked by signal.
14 天有情绪数据
Microsoft Research to integrate AI for developer workflow automation
The upcoming unveiling of new AI tools for developers, capable of running repositories and prioritizing verification, indicates Microsoft Research's intent to automate and enhance developer workflows. This could lead to significant shifts in software development practices and toolchains.
Microsoft Research actively open-sourcing specialized AI models
Microsoft Research has recently released mimalloc, a high-performance memory allocator, and GridSFM, a foundation model for electric grid analysis. This pattern suggests a strategic effort to open-source specialized AI tools, potentially to foster wider adoption and gather community feedback for further development.
Microsoft Research talent continues to influence AI development in China
The departure of Li Hongzhi, a former GenAI head at Microsoft Asia and Microsoft Research, to Tongji University in Shanghai, reinforces the pattern of Microsoft Research talent contributing to academic and industry advancements in China. This highlights ongoing knowledge transfer and influence.
Microsoft Research actively open-sourcing key infrastructure and domain-specific AI tools
Microsoft Research has recently open-sourced mimalloc, a high-performance memory allocator, and GridSFM, a foundation model for electric grid analysis. This pattern suggests a strategic effort to release foundational technologies, potentially to foster broader adoption and development within specific technical domains or to benefit their own internal services.
Microsoft Research's focus on accelerating scientific discovery through AI is expanding
Following the advancements in MatterSim for materials discovery, Microsoft Research's release of GridSFM for electric grid analysis indicates a growing emphasis on applying AI to solve complex scientific and engineering challenges. Future releases may focus on other domains like climate modeling, drug discovery, or advanced physics simulations.
-
Microsoft的Aurora 1.5通过更多变量增强天气AI
Microsoft Research发布了其Aurora 1.5地球系统模型的升级版本。此次更新通过纳入22个额外的天气变量，增强了天气预报和分析能力。这些进步旨在改善气候适应、风险评估以及各行业的运营效率，展示了AI在应对全球挑战方面的潜力。
-
Microsoft 发布 Aurora 1.5 开源天气基础模型
Microsoft Research 发布了 Aurora 1.5，这是一个增强的、用于天气和地球系统应用的开源基础模型。此次更新通过增加 22 个新的天气变量、引入小时级时间分辨率以及整合概率集成预测，显著扩展了模型的能力。该模型可在 GitHub 和 Hugging Face 上获取，使研究人员和开发人员能够使用、评估和在此基础上进行开发，同时也可连接到 Microsoft Weather 服务以供实际运行使用。
-
专家警告：隐藏的大语言模型后门构成巨大安全风险
研究人员和投资者越来越担心大型语言模型中隐藏的后门，这些后门可能被远程触发以窃取敏感数据。Anthropic 的研究人员在 2024 年 1 月的一篇论文中展示了这些“睡眠代理”可以绕过标准的安全性训练，使其难以检测。尽管一些专注于 AI 安全的初创公司已经获得了大量融资，但针对 AI 的防御性投资总体上远远落后于模型部署的速度，这使得企业面临风险。Microsoft Research 提出了一种名为“机制验证”的方法，通过分析模型的…
-
Microsoft 发布 Memora，赋予 AI 代理长期记忆能力
Microsoft Research 发布了“Memora”，这是一种新颖的长期记忆架构，旨在解决 AI 代理的“遗忘”问题。Memora 旨在使 AI 代理能够有效地存储和检索扩展对话和任务中的信息，克服了 RAG 和 Mem0 等当前方法的局限性。通过将记忆存储与检索机制分离，Memora 平衡了对详细信息的需求与高效搜索能力，使 AI 代理能够随着时间的推移积累知识。
-
微软发布AI代理Memora记忆系统
微软研究院推出了Memora，一个旨在增强AI代理在长周期任务中能力的新型记忆系统。Memora通过将记忆内容与检索机制分离，解决了当前AI模型无状态的特性，使代理能够保留和访问具体细节以及抽象组织结构。这种方法显著提高了代理的生产力并减少了上下文令牌的使用，在LoCoMo和LongMemEval等基准测试中达到了新的最先进性能。
-
人工智能过度简化北极研究，忽视了更深层次的现实和地缘政治风险
文章《北极真相：人工智能对冰封海洋的误解》批评了人工智能对北极研究的过度简化，指出其未能考虑到冰下生态系统、海底测绘和原住民知识等关键要素。文章强调，尽管取得了进展，北极海底仍有很大一部分未被探索，而资源的争夺加剧了地缘政治竞争。文章认为，人工智能对表面气候模型的关注，忽视了继续重新定义我们对北极和地球演变的理解的更深层次的现实和历史研究。
-
大型语言模型在长对话中会因“中间遗忘”效应而失去一致性
大型语言模型在长对话中可能表现出不可靠性，这并非由于记忆丧失，而是因为它们对指令的关注度会随时间减弱。研究表明，虽然模型的核心能力可能只略有下降，但其应用规则的一致性会增加一倍以上。这种被称为“中间遗忘”的现象发生的原因是，模型不会均匀地处理对话上下文，长对话开头部分的指令在对话进行过程中不太可能被持续遵循。
-
AI框架将LLM大脑预测转化为可测试的科学理论
研究人员开发了一个名为生成因果测试（GCT）的新框架，以理解神经科学中使用的LLM（大型语言模型）的“黑箱”性质。GCT将LLM关于大脑活动的预测提炼成简洁的口头解释，例如“食物准备”或“地点名称”。然后，通过使用LLM生成旨在专门激活目标大脑区域的新故事来测试这些解释，受试者在fMRI扫描仪中听这些故事。该方法已成功确认了已知的大脑区域选择性，甚至区分了先前无法区分的相邻区域。
-
Microsoft Research 的 Talos 系统可自动进行罕见病诊断的基因组分析
Microsoft Research 开发了一个名为 Talos 的开源系统，以加速罕见病诊断。Talos 可自动对基因组数据进行迭代式重分析，显著缩短了人工审查所需的时间。在测试中，该系统成功识别了 90% 的相关诊断，同时仅向专家展示每位患者 1.3 个潜在的基因变异以供评估。
-
Microsoft 警告 AutoGen Studio 中存在 AutoJack 漏洞链
Microsoft 详细介绍了一个 AutoGen Studio 中的安全漏洞，名为 AutoJack 的漏洞链，其中浏览代理可以在主机上执行任意代码。该漏洞利用了一个不受信任的网页与本地 MCP WebSocket 交互，绕过了安全边界。虽然 Microsoft 表示该漏洞已在上游修复，并且从未在 AutoGen Studio 的公开 PyPI 版本中发布，但他们强调了对开发人员更广泛的教训：结合了浏览、本地工具和执行能力的代理框架…
-
LLM标价具有误导性；实际成本差异显著
来自微软研究院、斯坦福大学、伯克利大学和卡内基梅隆大学的一项新研究表明，前沿推理模型的每token标价并不能准确反映其实际运行成本。在超过20%的比较中，标价较低的模型使用成本更高，其中一个案例显示成本高出28倍。造成这种差异的主要原因是“思考token”的消耗量可变，它们占总输出成本的很大一部分，并且即使是相同的查询在同一模型上运行，其消耗量也可能出现不可预测的波动。
-
人工智能威胁扩大零工经济，侵蚀劳动者保护
人工智能将通过使公司能够分割工作并转向零工经济模式来改变工作的性质。虽然人工智能可以自动化琐碎的任务，但更悲观的解读表明，这将导致全职员工减少，合同制工作增加，从而侵蚀数十年的劳动保护。随着公司寻求通过人工智能整合来提高成本效益，这一趋势尤其影响白领职业，并可能影响所有行业。
-
美国对 Anthropic 模型实施出口管制，向欧洲发出警告；Microsoft 推出 Mirage 以加速视频生成
Anthropic 的 Fable 5 和 Mythos 5 模型受到美国出口限制，对欧洲发出警告。敦促布鲁塞尔重新评估其对美国技术的依赖，以防止未来华盛顿的决定阻碍当地经济。与此同时，Microsoft Research 推出了 Mirage，一个将 3D 几何体存储为潜在特征而非像素的系统，显著加速了视频生成并解决了室内失真问题。
-
微软的 Mirage 视频模型使用空间记忆实现更快生成
Microsoft Research 开发了 Mirage，这是一种新颖的视频世界模型，它利用直接存储在其潜在空间中的持久空间记忆。与传统的基于像素的方法相比，这种方法显著减少了计算时间和内存需求，使视频生成速度提高了 10.5 倍，内存使用量减少了 55 倍。虽然 Mirage 在长距离摄像机移动中保持空间一致性方面表现出色，但它在可靠跟踪不同视频片段中的移动对象方面仍存在困难。
-
新研究表明，每次AI查询的能耗显著下降
来自2025年和2026年的最新数据显示，与2023年早期估计相比，AI模型每次查询的能耗已显著降低，降低了一个数量级。Google、OpenAI和Microsoft Research的研究显示，文本查询的平均能耗在0.24 Wh到0.43 Wh之间，与之前约3 Wh的数字相比有了大幅下降。这种下降归因于模型效率和优化的进步，尽管人们对数据中心增长的总体环境影响以及推理模型的能源需求仍存担忧。
-
AI 从多样化数据中学习效果优于数据量；IPO 随之而来安全风险上升
微软研究院 Ex Vivo 项目的一项新研究发表在 Nature Methods 上，该研究表明 AI 模型从多样化的细胞状态中学习比从纯粹的数据量中学习更有效。这一发现可能会影响 AI 在治疗患者匹配和精准医疗中的策略。另外，基于 Demis Hassabis 关于奇点的言论的一项分析强调了随着 AI 行业 IPO 的兴起，安全风险也在增加。
-
AI 日益增长的水和能源需求与高效模型开发形成对比
一份新报告显示，到 2030 年，AI 行业每年可能消耗 9.3 万亿升水，仅生成模型推理所需的能源就将是巴基斯坦的三倍。与此同时，Microsoft Research 的 Model Lens 表明，一个拥有 38 亿参数和精确描述的较小模型，能够以更低的成本超越更大的系统。
-
Microsoft Lens 模型使用详细描述来高效生成图像
Microsoft Research 开发了一个名为 Lens 的新文本到图像模型，该模型参数量仅为 38 亿，但性能却可与更大的模型相媲美。这种效率归功于使用了 8 亿个由 GPT-4 生成的详细图像描述，而非描述性较差的网页 alt-text。该模型的代码和权重已根据开源许可证发布。
-
CVPR 2026 致敬AI先驱，展现中国研究实力
CVPR 2026会议开幕，首先向已故AI先驱孙剑致敬，其在ResNet上的工作荣获Longuet-Higgins奖。会议强调了具身AI和多模态模型日益增长的重要性，中国研究人员在作者投稿和审稿人贡献方面占据主导地位。值得一提的是，广东工业大学的一支本科生团队凭借使用旧款Titan显卡完成的工作获得了最佳学生论文荣誉奖，这表明创新想法可以克服资源限制。
-
CVPR 2026 奖项聚焦 4D 重建、3D 生成及中国研究者
在丹佛举行的 CVPR 2026 会议表彰了计算机视觉领域的重大进展，Google DeepMind 的 D4RT 模型因其高效的动态 4D 场景重建能力荣获最佳论文奖。Meta 的 SAM 3D 和 NVIDIA 的 NitroGen 分别因 3D 重建和游戏代理能力获得荣誉提及。最佳学生论文奖颁给了清华大学和 Microsoft Research 的 3D 生成模型 TRELLIS.2，而一项重要的最佳学生论文提名则突出了广东工业…