微软研究院发布 StudentSim：基于 LLM 的个性化 AI 学生模拟器
微软研究院推出 StudentSim 系统，利用公开去标识化数据训练个性化“AI 学生”模拟器，以低成本评估 AI 导师教学效果。该系统在国际象棋任务中行为保真度达 0.5150、指导响应性达 0.9067，均优于 GPT-5.4 与 Maia2；经其反馈训练的 AI 导师准确率达 90.5%，显著高于基线。
#Microsoft
IT之家AI 评分4242
Microsoft Research精选AI 评分6666 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。
The Verge · AIAI 评分6060 微软发布概率偏差校正工具以改进天气预报
微软研究人员在《Nature》发表新论文，推出开源的概率偏差校正（PBC）工具，利用机器学习修正现有物理和 AI 气象模型中的系统性偏差。该方法可将可靠预报时间延长至两到六周，并在测试中将 ECMWF 物理模型的降水预测准确率提升 98%，温度预测提升 92%。PBC 仅需 CPU 即可运行，旨在帮助资源有限的气象机构低成本提升极端天气预警能力。
The DecoderAI 评分6868 微软研究：清空对话上下文助AI智能体寻找更优解
微软研究院发现长时间运行的AI研究智能体易陷入“想法盆地”，导致性能停滞。其提出的Fork-and-Flush方法结合并行分支与清空聊天上下文，在相同算力预算下使归一化平均得分提升66%。该方法在13项长时任务中表现优于单次运行及Best-of-4策略，且即便使用更强模型，定期重置上下文仍具价值。
Microsoft ResearchAI 评分4242 Microsoft Research 推出 StudentSim：用于评估 AI 辅导系统的个性化学生模拟器
Microsoft Research 发布研究系统 StudentSim，利用公开去标识化数据训练个性化 AI 学生模拟器，以加速 AI 辅导工具迭代。该系统通过 StudentSimEval 基准在象棋、英语写作和数学领域验证行为保真度与指导响应性，表现优于主流基线。StudentSim 旨在研发阶段提供反馈信号，并非替代教师或部署于课堂。
Hugging Face Blog精选AI 评分8585 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。
Microsoft ResearchAI 评分3939 Microsoft Research 开发机器学习系统预测美国电网空间天气风险
Microsoft Research 推出端到端机器学习管道，利用太阳风数据为美国大陆66,935个变电站生成地点特定的空间天气风险估计。该系统结合AE和Dst指数预测与地质导电性，能在风险出现前30至60分钟发出预警，并在评估期内检测到近80%的主要空间天气事件。
Microsoft ResearchAI 评分3838 Microsoft Research 开源 RetroChimera 提升小分子逆合成预测
Microsoft Research 在 Nature 发表并开源 RetroChimera，该模型通过集成 R-SMILES 2 和 NeuralLoc 两个互补子模型及学习重排序策略，显著提升了小分子逆合成预测质量。盲测显示博士级化学家更偏好其生成的反应步骤，且在十个高难度目标中成功规划出九个完整合成路线，优于现有基线模型。
Microsoft ResearchAI 评分3737 MindTopo 基准揭示多模态模型在拓扑推理与规划中的能力差距
Microsoft Research 推出 MindTopo 基准，评估多模态大模型的拓扑推理能力。测试显示模型在静态识别上表现优于交互式规划，但在维持连接、封闭等结构关系时易出错。该发现凸显了 AI 在机器人及交互环境中保持空间一致性的不足。