跳到正文
10月14日周三
10月13日周二
  1. Microsoft Research45

    Microsoft Research 发布 StudentSim:利用个性化学生模拟器评估 AI 辅导系统

    StudentSim 是一款用于在测试前评估和改进 AI 辅导系统的研究系统,而非替代教师的产品。 该系统基于去标识化学习者记录训练个性化模拟器,在棋盘游戏、二语英语写作和数学领域表现优于基线,并通过行为保真度和指导响应性两个维度进行评价。 StudentSim 为 AI 导师的研发提供了有效的早期反馈信号,帮助研究团队在迭代模型时更轻松地获取学生反馈,避免直接进行高成本的人类实验。

10月12日周一
10月9日周五
10月8日周四
  1. AWS Machine Learning Blog23

    Amazon Quick 与 Bedrock 如何通过实时 ACL 增强 RAG 访问控制

    Amazon Quick 和 Amazon Bedrock 通过实时 ACL 检查,在查询时直接向数据源验证权限,解决了 RAG 中访问控制滞后的问题。 该系统采用混合架构:首先利用向量索引进行语义搜索和预检索过滤,随后调用 Google Drive 等权威 API 实时验证候选文档,确保仅将用户有权访问的内容传入大语言模型。

  2. Microsoft Research75

    Microsoft Research 开源 Agent Lightning v1.0:面向真实智能体脚手架的轻量级RL训练框架

    Microsoft Research Asia 团队开源了 Agent Lightning v1.0,这是一个约3500行的轻量级Agentic强化学习框架,旨在让部署环境中的真实智能体脚手架直接参与RL训练,而无需在训练框架内重新实现。

    推荐理由:该框架将RL训练与部署中的真实智能体脚手架直接结合,为开发者提供了一套可在真实环境中复现的智能体训练流程。

10月7日周三
  1. AWS Machine Learning Blog26

    Amazon SageMaker HyperPod 管理与治理最佳实践

    Amazon SageMaker HyperPod 支持多团队共享集群计算资源,其核心治理挑战在于明确权限、容量分配及问责机制。 系统通过组织、项目、集群、工作负载四层控制实现治理,支持将 HyperPod 集群连接至 SageMaker Unified Studio 项目工作区。 该模式分离了基础设施团队对集群的管理权与机器学习团队在项目上下文中的计算使用权,确保共享可见性下的访问控制有效。

10月6日周二
10月4日周日
  1. Hugging Face Blog83

    Microsoft ThinkingBox 和 ThinkingBox-Bench 开源:基于终端状态检查评估 AI Agent 可靠性

    Microsoft 与 Hugging Face 联合发布了 ThinkingBox 沙箱环境和 ThinkingBox-Bench 基准,现可通过 Hugging Face 和 OpenEnv 访问。

    推荐理由:原文提供了 507 个有状态业务工作流的 20 次重复基准数据,以及按次成功成本与可靠性成本对比,可据此判断模型在真实数据库记录变更中的表现差异。

10月1日周四
9月29日周二
  1. Microsoft Research67

    Microsoft Research 发布用于复杂生物研究的 AI 系统 Quine

    Microsoft Research 发布名为 Quine 的 AI 研究系统,由生物学世界模型和连接科学工具、文献与湿实验的交互式 harness 组成。系统联合训练基因组、蛋白质、化学、细胞状态和生物图像等多模态数据。

    推荐理由:结合胰腺癌细胞状态案例,说明了该生物世界模型如何在湿实验前完成候选药物排序并生成新假设。

  2. Microsoft Research26

    MSRA新加坡实验室成立一周年:推进前沿AI研究、合作与人才发展

    Microsoft Research Asia新加坡实验室于2025年7月24日成立,作为微软首个东南亚研究实验室,专注前沿AI研究及现实世界应用。过去一年,实验室团队扩张并深化与本地合作伙伴关系,工作重点涵盖下一代AI模型、智能体系统、领域特定AI及人才发展。在医疗领域,多模态及智能体AI方案已投入部署,并与新加坡经济开发局等政府机构保持战略合作。

9月24日周四
9月22日周二
  1. 阿里云50

    千问办公发布企业上下文产品,陈宇森阐述Context is All You Need理念

    千问办公在云栖大会发布企业级Agent产品“企业上下文”,旨在将企业知识与业务数据转化为Agent可调用的上下文。千问办公CEO陈宇森指出,企业落地Agent需解决懂业务、协同及数据安全难题,该产品结合Qwen3.8-Omni-Flash等模型支持数据压缩与连接,已支持钉钉及飞书场景下的数字员工协同。

9月21日周一
9月17日周四
  1. GitHub Blog · AI & ML85

    GitHub Copilot 运行时使用 Copilot 迁移至 Rust

    GitHub 使用 Copilot 将 Copilot 运行时从 TypeScript 重写为超过 800,000 行生产级 Rust 代码。该重构涉及 128 个 Pull Request,由 AI Agent 编写大部分代码,显著提升了性能并缩短了开发周期。

    推荐理由:展示了 AI Agent 如何将 80 万行代码从 TypeScript 迁移到 Rust,提供了大规模自动重构的方法参考。

9月1日周二
8月21日周五
8月14日周五
  1. 智谱88

    GLM-5.3发布:编程能力提升50%,网络安全能力涌现,两周后开源

    智谱发布GLM-5.3,基座未变但通过极致后训练Scaling显著提升编程与网络安全能力:内部编程体感较GLM-5.2提升50%,Terminal-Bench 3.0从4.6升至28.3;网络安全上CyberGym达84.5%,ExploitBench 54.4%,ExploitGym两小时完成105项漏洞利用任务。

    推荐理由:后训练Scaling带来更强编程与网络安全防御能力,开源与“开源的盾”计划让前沿安全能力不再只属于少数闭源机构。

8月13日周四
  1. Microsoft Research46

    MindTopo 揭示视觉语言模型在拓扑推理上的局限

    Microsoft Research 发布基准 MindTopo,用于评估多模态大语言模型在连通性、封闭性、顺序、分离及结体等拓扑概念上的推理与规划能力。 评测结果显示,当前专有及开源权重模型在静态图像识别上表现优于交互式规划,但两者均远低于人类水平;模型错误常源于规划阶段未能随场景变化维持结构关系,而非感知失效。

7月6日周一
  1. Kimi开放平台78

    Kimi K2.7 Code 模型接入 GitHub Copilot

    GitHub 官方宣布 Kimi K2.7 Code 正式上线 GitHub Copilot,用户可在 Copilot 模型选择器中选择该模型完成代码生成、理解与调试任务。

    推荐理由:这是 GitHub Copilot 接入的首个开源模型,且已在 VS Code 等主流开发入口开放,开发者可直接在熟悉工具链中调用 Kimi K2.7 Code。

6月19日周五
9月11日周四
5月21日周二
3月20日周三
  1. Hugging Face Blog76

    Cosmopedia:如何为预训练大语言模型创建大规模合成数据

    Hugging Face 发布了名为 Cosmopedia 的 250 亿 token 合成数据集及配套的 1B 规模模型 cosmo-1b,旨在通过完全开源的端到端流程复现 Microsoft Phi-1.5 的数据集。

    推荐理由:原文公开了 250 亿 token 数据集的完整生成链路和 1B 模型评测,读者可据此复现或改进合成数据预训练方法。

2月26日周一
  1. Mistral AI81

    Mistral Large 发布:多语言推理旗舰模型上线 Azure

    Mistral AI 发布最新旗舰语言模型 Mistral Large,其在 MMLU 等基准测试中位列全球 API 可用模型第二(仅次于 GPT-4)。该模型原生支持英语、法语、西班牙语、德语和意大利语,拥有 32K 上下文窗口,并具备函数调用功能。

    推荐理由:Mistral Large 在 MMLU 等基准上表现强劲,且与 Azure 的合作为多语言推理场景提供了企业级 API 访问途径。

10月25日周三
10月4日周三
9月26日周二
9月1日周五
  1. Hugging Face Blog26

    Fetch 使用 Amazon SageMaker 和 Hugging Face 将 ML 处理延迟降低 50%

    消费奖励公司 Fetch 通过优化基于 Amazon SageMaker 和 Hugging Face 的机器学习流水线,将最慢扫描的处理延迟降低了 50%。 Fetch 利用 Amazon SageMaker 的多 GPU 实例部署自定义模型,并借助 Hugging Face 的 AWS 深度学习容器和推理工具包简化了 Transformer 模型的训练与部署流程。

4月14日周五
2月21日周二
  1. Hugging Face Blog44

    Hugging Face 与 AWS 合作提升 AI 可及性

    Hugging Face 与 Amazon Web Services 扩大长期战略合作,旨在通过云工具降低机器学习模型构建、训练和部署的成本,使下一代模型对开发者更易于访问。开发者将利用 Amazon SageMaker、AWS Trainium 和 AWS Inferentia 等工具,以便在几个点击内微调并部署 Hugging Face 上的模型。