跳到正文
SuperIntelligence
只看一手#Microsoft
  1. Microsoft Research66

    微软研究院发布 Magnetar：基于零知识证明的通用计算系统

    微软研究院推出 Magnetar，一种能证明 Rust、Go 或 C 程序执行正确性的零知识虚拟机（zkVM）。它在保持通用性和仅依赖标准哈希函数（如 SHA-256）带来的抗量子安全性的同时，平均比现有最快同类系统快 10 到 39 倍，且证明可在约 12 毫秒内验证。

    推荐理由：Magnetar 在通用性、效率和基于哈希函数的安全性上取得突破，为可验证计算提供了无需信任的实用路径。

  1. GitHub Blog · AI & ML60

    GitHub 发布新密钥保护模型以应对 AI 代码激增

    GitHub 宣布推出由 Microsoft Applied Sciences 协助构建的 ModernBERT 分类器，用于扩展推送保护至非结构化密钥。该模型能在 2 毫秒内评估候选密钥批次，预计可将可预防的密钥数量增加一倍以上。

    推荐理由：GitHub 推出基于 ModernBERT 的新分类器，将非结构化密钥检测延迟降至 2ms 以下，旨在解决 AI 生成代码激增带来的泄露防护瓶颈。

  2. NVIDIA Blog82

    NVIDIA 与微软联合发布 RTX Spark 笔记本及 DGX Station for Windows

    NVIDIA 与微软在旧金山活动上宣布共同开发面向 Windows PC 的 AI 智能体硬件与软件。RTX Spark 搭载 Blackwell GPU 和 Grace CPU，提供最高 128GB 统一内存和 1 petaflop FP4 算力，支持本地运行 Qwen 3.8 Flash Next 等大模型，笔记本今日开启预订。

    推荐理由：原文详细列出了 RTX Spark 和 DGX Station for Windows 的硬件规格及本地 AI 能力，为开发者评估端侧算力升级提供了具体参数依据。

  3. Microsoft Research73

    Microsoft Research 发布 Agent Lightning v1.0：基于真实 Harness 的轻量级智能体强化学习框架

    Microsoft Research Asia 推出 Agent Lightning v1.0，这是一个约 3500 行代码的轻量级智能体强化学习框架，支持使用部署时的真实 Agent Harness 直接参与训练。

    推荐理由：微软亚洲研究院提出 Harnessed Agentic RL 范式，通过仅 3500 行代码的轻量框架让真实 Agent Harness 直接参与强化学习，在 SWE-bench Verified 上以约 6000 样本实现 Qwen3.5-9B 性能提升。

  1. Hugging Face Blog85

    微软与 Hugging Face 联合发布 ThinkingBox：基于后端状态验证 AI Agent 可靠性的新基准

    微软和 Hugging Face 联合推出 ThinkingBox，这是一个用于评估 AI Agent 可靠性的新基准和环境。它不依赖模型的最终文本回复或工具调用记录，而是直接检查任务执行后留下的后端数据库状态和副作用（如工单是否真正关闭、退款是否到账）。

    推荐理由：微软与 Hugging Face 联合发布 ThinkingBox，通过检查后端数据库状态而非仅看模型回复来评估 Agent 的可靠性，并提供了可复现的基准测试环境。

  1. Microsoft Research70

    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，这是一个包含生物学世界模型和交互式框架的 AI 研究系统，旨在连接模型、科学工具、文献与研究人员。该系统已在与 Broad Institute 合作的胰腺导管腺癌研究中用于预测和优先排序化合物，并在湿实验中验证了多个候选分子，显著缩短了从计算筛选到实验验证的时间。

    推荐理由：原文展示了 Quine 在胰腺癌药物筛选中的具体应用，读者可了解 AI 世界模型如何加速实验验证并发现新机制。

  1. GitHub Blog · AI & ML62

    GitHub Copilot 博客探讨为何聊天并非 AI 最佳交互界面

    GitHub Copilot 官方博客文章认为聊天框往往不是与 AI 协作的最佳 UI，建议改用可定制的画布（canvas）来构建专用工具。文中举例说明通过画布创建本地应用或自动化开发流程，能避免将 Agent 当作通用工具造成的 token 浪费，让用户更专注于具体任务而非反复对话。

    推荐理由：作者指出聊天界面常是低效交互，提出用可定制画布替代纯对话以节省 token 并优化工作流。

  1. GitHub Blog · AI & ML84

    GitHub Copilot 运行时迁移至 Rust 的实践复盘

    GitHub 使用 Copilot CLI 和 App 中的 AI Agent，将 Copilot agent runtime 从 TypeScript 重写为超过 80 万行生产级 Rust 代码。

    推荐理由：文章详细复盘了利用 AI Agent 将 Copilot 运行时从 TypeScript 迁移至 Rust 的全过程，提供了大规模代码重构的增量策略、多会话并发协作模式及性能优化数据。

已经到底了