将数据库评分转化为 RL 奖励：用 ThinkingBox 对智能体进行后训练
Microsoft 与 Hugging Face 将 ThinkingBox 的数据库终态检查用作 RL 奖励，使 Qwen3.8-27B 的平均成功率从 51.70% 升至 60.78%。经过 50 步 GRPO，全部 20 次尝试均成功的任务从 38 项增至 107 项，但至少成功一次的任务数略降；ThinkingBox-Training 已在 GitHub 开放。
#Microsoft
Hugging Face BlogAI 评分4747 TechCrunch · AIAI 评分6666 Microsoft MAI-DxO 研究报告复杂病例模拟诊断准确率达 83%，高于受测医生
Microsoft 在 Science 发表的研究显示，多智能体诊断系统 MAI-DxO 在复杂病例模拟中的准确率为 83%，独立作答且可查阅参考资料的初级保健医生和普通内科医生为 36%。
The Verge · AIAI 评分6565 Microsoft 称其 Diagnostic Orchestrator 在诊断测试中优于医生
Microsoft 在 Science 发表研究，称基于 OpenAI GPT-5 的多智能体系统 Diagnostic Orchestrator 在回顾性病例测试中比医生诊断更准确。
掘金 · 人工智能AI 评分7272 Microsoft Research 研究员与合作者证明 31 年历史的 KLS 猜想
Microsoft Research 的 Xinzhi Zhang 与合作者 Zhao Song 完成论文《An O(1) Bound for the KLS Constant》，给出与维度无关的常数界，解决 1995 年提出的 KLS 猜想。
Microsoft Research精选AI 评分8383 Microsoft Research 研究员与合作者证明悬而未决 31 年的 KLS 猜想
Microsoft Research 的 Xinzhi Zhang 与合作者 Zhao Song 证明了 KLS 猜想，将高维对数凹分布相关几何界限收紧至与维度无关的通用常数。
推荐理由：研究者逐轮筛选并重定向智能体的探索，而相近 token 预算的无引导尝试未达目标，为人机协作研究提供了具体的方法对照。
Microsoft ResearchAI 评分5050 Magnetar：基于证明的通用计算
Microsoft Research 的 Magnetar 在通用程序零知识证明上取得进展，平均速度比此前最快的同类系统快 10 至 39 倍。它可为 Rust、Go 或 C 程序生成执行正确性证明，安全性仅依赖标准哈希函数。验证者可在毫秒内检查证明，无需重新运行程序，也无需获取程序输入数据。
Microsoft ResearchAI 评分4848 StudentSim：通过模拟学生学习改进 AI 辅导
StudentSim 通过个性化学生模拟，为 AI 辅导系统在真实学习者测试前的评估与改进提供反馈。系统使用公开、去标识化的学习记录训练，在国际象棋、英语二语写作和数学任务上优于主要基线，评估兼顾学生行为还原与指导后的反应。该系统仅用于研究，未部署于课堂，也不旨在替代教师。
GitHub Blog · AI & MLAI 评分5656 ReviewBench：面向 AI 代码审查的开放评测基准
GitHub 开放 AI 代码审查基准 ReviewBench 的研究预览版，提供公开数据集、评估方法和自助运行工具。基准包含来自 187 个公开开源仓库、覆盖 19 种语言的 219 个拉取请求，使用多来源参考问题集和 Claude Sonnet 5 评判器，独立参与复核的资深工程师与基准判断的一致率为 96.6%。
Microsoft ResearchAI 评分4747 Microsoft Research：预测空间天气对电网的风险
Microsoft Research 的研究人员开发机器学习系统，为美国本土 66,935 座变电站预测空间天气风险，可提前 30-60 分钟预警。系统结合太阳风观测、地磁指数预测及当地地质电导率等信息，生成位置特定的风险估计。重大事件检出率为 76.5%，严重事件为 81.2%，极端事件为 64.1%；误报率随风暴强度增加。
Microsoft Research精选AI 评分6262 Microsoft Research 推出 Quine，连接生物学世界模型与实验研究流程
Microsoft Research 推出实验性 AI 研究系统 Quine，将多模态生物学世界模型与连接科学工具、文献和研究人员的交互框架结合。在与 Broad Institute 合作的胰腺癌研究中，团队用一个周末完成数千种化合物的预测筛选与候选排序，多项湿实验验证了高排名候选引导细胞状态转变的效果。
推荐理由：胰腺癌实验案例展示了先用模型缩小化合物搜索范围、再用湿实验检验预测的研究路径，为计算与实验协作提供具体参照。