微软亚洲研究院（新加坡）成立一周年：推进研究、合作与人才培养
微软亚洲研究院（新加坡）迎来成立一周年。该实验室于2025年7月24日启用，是微软在东南亚的首个研究实验室，聚焦下一代AI模型与智能体系统、领域特定AI、AI原生研究实践及生态与人才发展四大支柱。其研究通过医疗、金融、教育等领域的合作推动现实应用，并与新加坡经济发展局等机构建立了战略合作。
#Microsoft
#Microsoft
今日 1 条Microsoft ResearchAI 评分1818
GitHub Blog · AI & MLAI 评分5050 GitHub Copilot app 初学者指南：如何用 canvases 构建自定义工作流
GitHub Copilot app 的 canvases（画布）功能让用户无需编码即可通过 /create-canvas 技能用自然语言描述需求，生成可共享的看板、发布清单、仪表盘等自定义界面。画布支持双向交互，用户和智能体可同时更新卡片、字段或按钮，且无需单独同步步骤。创建后的画布可保存为扩展供团队或个人复用，社区还通过 Awesome Copilot 分享了现成的画布扩展。
AWS Machine Learning BlogAI 评分3333 Datacor 如何用 Amazon Quick Sight 构建自助式租赁分析
Datacor 将 Amazon Quick Sight 集成进 TrackAbout 解决方案，为工业气体与焊接分销商提供自助式租赁分析，用户可通过交互式仪表盘和自然语言搜索直接查询租赁绩效数据，无需再提交 IT 工单或等待定制报告。
AWS Machine Learning BlogAI 评分5050 用 Amazon SageMaker HyperPod 与 Qumulo 实现跨区域训练
Amazon SageMaker HyperPod 与 Qumulo 的 Cloud Data Fabric 搭配，可让训练计算与数据集分处不同 AWS 区域，无需复制数据或改代码即可保持吞吐。
GitHub Blog · AI & ML精选AI 评分6060 GitHub Copilot 官方谈为何聊天是错误界面，canvas 才是出路
GitHub Copilot 官方博客提出聊天并非与 LLM 交互的最佳界面，主张用可自定义的 canvas 全栈应用替代。canvas 能双向与 Copilot 智能体通信，可调用第三方 API 并在本地执行代码，例如构建 Connect 4 游戏、管理 Winget 包或操作 SQLite 数据库。
推荐理由：原文用 GitHub Copilot 的 canvas 实例说明为何聊天不是与 AI 交互的唯一界面，读者可借此判断自定义 UI 对自身工作流的价值。
AWS Machine Learning BlogAI 评分3838 在 SageMaker AI 上使用 WhisperX 进行说话人标注转录
AWS 推出 WhisperX 深度学习容器（DLC），将 OpenAI Whisper 与 wav2vec2 强制对齐及说话人分离结合，提供逐词时间戳和说话人标签。
AWS Machine Learning BlogAI 评分4040 HEMA 借助 MCP 与 Amazon Bedrock AgentCore 从门户跳转走向即时问答
荷兰零售商 HEMA 基于 Amazon Bedrock AgentCore 构建内部 AI 助手 HAL，通过 Model Context Protocol (MCP) 将分散知识整合为单一可信来源，并接入 HAL 聊天、Kiro、Claude 等日常工具。
AWS Machine Learning Blog精选AI 评分6262 AWS 教程：用 Amazon Bedrock 上的开源权重模型运行 OpenCode 编码智能体
AWS 发布教程，介绍如何用 Amazon Bedrock 上的开源权重模型运行 OpenCode 编码智能体。OpenCode 是 Go 编写的终端原生 AI 编码智能体，支持 75 多个 LLM 提供商，推理在 AWS 账户内安全进行，无按席位费用。
推荐理由：原文给出了在 Bedrock 上运行 OpenCode 的完整配置方法，读者可以据此搭建多模型编码工作流。
Microsoft Research精选AI 评分6868 微软研究：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
微软研究团队挑战机器人 AI 的核心假设，系统性研究表明仅在机器人板载 GPU 上运行物理 AI 推理会限制性能、电池寿命和可扩展性，而将推理卸载到边缘或云端 GPU 可带来显著优势。
推荐理由：原文给出首个机器人推理卸载的系统性测量结果，并配套开源工具链，读者可据此评估端侧与边缘云推理的取舍。
Microsoft Research精选AI 评分6262 微软发布逆合成预测模型 RetroChimera，论文发表于 Nature
微软研究团队在 Nature 发表逆合成预测模型 RetroChimera，结合 Transformer 模型 R-SMILES 2 与图神经网络模型 NeuralLoc，通过学习排序整合两者预测。盲测中博士级化学家更偏好其单步反应预测，多步合成路线在十个挑战性目标中成功九个。模型已开源（MIT 许可），并可通过 Microsoft Foundry 访问。
推荐理由：原文给出了模型架构、开源信息和专家盲测结果，读者可据此判断它在逆合成预测上的实际表现。
GitHub Blog · AI & ML精选AI 评分8585 GitHub 用 Copilot 将 Copilot 运行时重写为 Rust
GitHub 用 Copilot 将 Copilot 运行时从 TypeScript 重写为超过 80 万行生产 Rust，历时约 14.5 周，由一名开发者主导完成。重写采用组件级就地替换策略，性能提升数个数量级，并新增 C ABI 支持进程内嵌入。
推荐理由：原文给出了用 Copilot 自身完成大规模 Rust 重写的完整过程与数据，读者可据此评估 AI 辅助重写的可行性与工程方法。
GitHub Blog · AI & MLAI 评分4343 GitHub Copilot app 入门：用 diff、终端和浏览器面板审查 AI 代码
GitHub Copilot app 新增内置 diff、终端和浏览器面板，让用户无需离开应用即可审查、运行并预览智能体对代码的改动。diff 面板以红绿高亮显示增删行，支持接受或评论；终端面板可直接运行项目命令，浏览器面板配合 Pick & Polish 工具可迭代调整界面元素。完成审查后可直接在应用内接受改动并创建 pull request。
GitHub Blog · AI & ML精选AI 评分7878 GitHub 推出 Project HydraFusion 研究预览，通过多模型编排实现前沿质量
GitHub 推出 Project HydraFusion 研究预览，通过运行时编排在多个提供商的模型中选择执行计划，以平衡质量、成本与延迟。它支持 Single、Cascade、Critique 三种执行模式，在 TerminalBench 2.1 上相比 Claude Opus 5 提升 4.9 个百分点且成本降低 67%。
推荐理由：原文给出了多模型编排的三种执行模式与基准测试结果，读者可据此判断它在质量与成本之间的取舍。
GitHub Blog · AI & MLAI 评分3838 GitHub Copilot app 入门：如何同时运行多个智能体
GitHub Copilot app 支持在同一项目上并行运行多个 AI 智能体会话，每个会话独立执行任务、互不干扰，并拥有各自的 Git worktree 和上下文，用户可随时切换且无需重新解释。通过 sessions view 可同时跟踪多个任务进度，例如在示例仓库 tailspin-toys 中并行实现 funded sort 功能、可访问性审查和测试运行，从而减少等待和上下文切换时间。
Microsoft Research精选AI 评分6262 微软发布 GigaPath-Flash 与 GigaTIME-Flash 高效病理基础模型
微软研究院发布 GigaPath-Flash 与 GigaTIME-Flash，通过知识蒸馏将十亿参数编码器压缩为 22M 参数的 ViT-S 骨干，在保持约 97% 预测性能的同时将全切片分析计算量降低约 50 倍，空间蛋白组学预测提速约 6 倍、显存减少约 8 倍。两模型均以 Apache 2.0 协议开放权重，代码与权重已上架 Hugging Face，面向科研用途而非临床诊疗。
推荐理由：原文给出了蒸馏压缩后的效率提升和开放权重入口，读者可据此评估病理基础模型在更大队列研究中的实用成本。
Microsoft Research精选AI 评分6262 微软研究院发布 Skala 1.1，扩展 DFT 精度与软件集成
微软研究院发布深度学习 DFT 泛函 Skala 1.1，训练数据量为此前版本的 2.5 倍，在 GMTKN55 基准的 55 个类别中 32 项排名第一，加权平均误差为 2.8 kcal/mol，精度超越主流全局杂化泛函。Skala 现已集成至 CP2K，并正在集成到 Psi4、FHI-aims、ORCA 和 VASP，同时推出持续更新的性能基准报告。
推荐理由：微软研究院发布 Skala 1.1，训练数据扩充 2.5 倍，并推进多款量子化学软件的集成，读者可据此评估其精度与可用性。
Microsoft ResearchAI 评分4848 MindTopo 基准揭示多模态模型的空间推理短板
Microsoft Research 推出 MindTopo，一个评估多模态大模型拓扑推理能力的新基准，涵盖连通性、封闭、顺序、分离和打结五类任务，并区分静态推理与交互规划两个认知层级。
Microsoft Research精选AI 评分6262 微软研究院发布 CARE-X 放射学视觉语言模型
微软研究院发布 CARE-X，一个面向胸部 X 光临床解读的统一视觉语言模型，结合生成式报告与结构化预测，并采用 DAPO 强化学习优化临床正确性。在 Chest ImaGenome 异常分类上，CARE-X 辅助头在阈值 0.5 时达到 0.943 灵敏度，在 ReXVQA 基准上以 94% 准确率排名第一。
推荐理由：原文展示了辅助监督与奖励对齐如何提升放射学视觉语言模型的临床实用性，并给出工具增强测量带来的显著性能提升。
Microsoft Research精选AI 评分8080 微软开源 Orchard 智能体训练框架，Orchard-SWE 在 SWE-bench Verified 达 69.7%
微软研究院开源 Orchard，一个面向可扩展智能体 AI 研究的框架，核心是 Kubernetes 环境服务 Orchard Env，支持软件工程、网页导航和个人助理三类智能体，并可直接在 Codex、OpenClaw 等真实部署 harness 中训练。
推荐理由：原文给出了开源框架、三个训练配方和关键基准成绩，读者可据此判断小模型在真实部署环境中的训练路径是否可复用。
Microsoft Research精选AI 评分7878 微软 Echoverse：为计算机使用智能体构建深度演化训练环境
微软研究院发布 Echoverse，一套为计算机使用智能体构建的深度演化训练环境，包含十个深度领域世界和两个能力世界。用全部十二个世界训练后，9B 模型得分从 36.5% 提升到 67.1%，接近 GPT-5.4。实验表明浅层环境会拖累模型，深度环境才能迁移；强化学习相对模仿学习能进一步提升留出集表现。微软开源了其中四个世界及其代码、数据和基于数据库的评分器。
推荐理由：原文给出了深度合成环境对计算机使用智能体的训练收益，以及浅层环境反而拖累能力的对比证据，可据此判断训练数据质量与规模哪个更关键。
Microsoft Research精选AI 评分6262 微软研究院发布 EvoLib 框架，将经验转化为可进化的知识库
微软研究院发布 EvoLib 框架，让大语言模型在推理过程中从自身经验中学习，无需真值标签或外部反馈，将过往尝试转化为可复用的技能和反思性洞察。EvoLib 通过整合与动态加权机制持续精炼知识，在数学推理、代码编写和长程决策任务上优于顶级检索式记忆方法，且对任务顺序具有鲁棒性。代码和实验结果已在 GitHub 上公开。
推荐理由：原文给出了将经验转化为可复用知识的具体机制和跨任务评测结果，读者可据此判断这类记忆进化方法相对传统检索记忆的实际收益。
Hugging Face Blog精选AI 评分6262 微软 Foundry 上线 Hugging Face 模型托管服务
微软在 Build 2026 上宣布 Foundry Managed Compute 支持 Hugging Face 模型，提供每周刷新的精选开源权重目录，可一键部署到托管 GPU 平台。
推荐理由：原文给出了模型目录、一键部署流程和运行时选型，读者可以据此评估在 Foundry 上托管开源模型的成本与运维方式。