相关动态
本期 Microsoft Research Podcast 由应用科学家 Chad Atalla 采访微软研究院 partner research manager Jennifer Neville。Neville 谈到评估在推动当今 AI 系统性能边界、满足用户需求方面的作用，以及模型在传统基准测试之外接受测试时出现的“意外失败”。她给出与当前 AI 系统协作的实用建议，强调当结果与预期不符时应仔细查看数据，并分享数十年 AI 进展对她判断未来的启发。她还回顾了自己从数学、物理、认知科学到计算机科学的多转折职业路径。
在 Microsoft Research 暑期实习期间开发的一套机器学习流水线，可为美国本土66,935座变电站分别给出空间天气风险估计。系统融合太阳风观测、Auroral Electrojet（AE）与Disturbance Storm Time（Dst）指数预报、物理约束、当地地质与地电导率以及电网设施数据，在潜在影响到来前30至60分钟发出地点特定的预警。评估期内，该流水线识别出近80%的重大空间天气事件。文中指出，空间天气预报难点在于涉及多个耦合系统：太阳风变化迅速、与地球磁层的相互作用不规则，且地面效应取决于当地条件——基岩电阻率高的地区所受地磁感应电流（GICs）可能强于地质更易导电的地区。
Quine 是 Microsoft Research AI for Science 的早期阶段研究项目，旨在构建生物学的多模态世界模型。它通过连接不同生物尺度与模态的信息，帮助科学家在计算机上搜索远超直觉所能及的空间，并在实验前优先筛选假设；实验结果则作为反馈，帮助研究者修正后续研究方向。
微软研究院于2026年9月29日推出 Quine——以生物学多模态世界模型为核心的研究计划，并开放首届 Quine Fellows 申请。系统通过交互式框架把模型与推理模型、科学工具、研究文献、湿实验及科学家团队相连。微软将其定义为能表征生物系统状态、预测干预后的变化并推演多步下游后果的世界模型，公司称它不会取代实验，而是让研究者先在计算上排序候选方向。模型在序列、结构、功能、细胞状态与成像等尺度上学习共享表征，训练覆盖基因组学、蛋白质、化学、RNA与细胞状态、生物成像；微软称联合训练会强化而非削弱性能。与 Broad Institute of MIT and Harvard 研究者合作，该系统已对可产生肿瘤细胞状态治疗性转变的化合物排序，若干排名靠前的候选物在多项湿实验中获验证。微软同时表示，模型永远无法完美刻画生物学，只需能有用指导实验设计。
微软介绍 AI 智能体 Medea，用于在细胞类型、疾病状态、遗传背景和患者等不同生物学背景下开展治疗推理。该系统在规划、执行和证据综合中实施验证，并结合生物学工具、机器学习模型与文献检索。研究在 3 个领域的 5,673 项开放式分析中评估 Medea：5 种疾病、29 种细胞类型的靶点提名，7 个癌细胞系的合成致死预测，以及基于多模态患者档案的免疫治疗响应预测。利用两种 DNA 损伤治疗下、此前未发表的酵母表观微阵列筛选，Medea 预测了 238,046 对基因中的实验测得合成致死相互作用。研究称，其表现优于多类模型，并具有较低失败率和经校准的弃答能力。
GigaPath-Flash 与 GigaTIME-Flash 是 GigaPath 和 GigaTIME 的更高效版本，通过经蒸馏的病理学基础模型骨干降低计算需求，同时保持性能，使更大患者队列的重复分析成为可能。这些开放模型支持人群规模发现，可帮助研究者利用常规病理数据研究疾病生物学、生物标志物与临床结局。公告同时说明，两者均为研究模型，不拟用于也未经验证可用于诊断、预后、治疗选择等临床决策；性能可能随数据集、扫描仪、机构、人群与用例而变化。
微软研究院 AI for Science 开发的 Skala 模型已接入开源软件生态 CP2K，以基于神经网络的交换关联泛函替代密度泛函理论（DFT）中部分传统数学机制。DFT 借助电子密度研究分子与材料的电子结构，而交换关联泛函决定电子密度如何转化为能量与力，直接影响模拟的可靠性；更精确的泛函往往计算代价更高，随粒子数增加成本可能高到难以承受，使高精度计算局限于较小的分子体系。CASUS 主任 Thomas D. Kühne 称交换关联泛函是 DFT 的“阿喀琉斯之踵”。Skala 的神经网络被训练来识别不同区域电子密度之间的相互影响，并据此估算交换关联能。
微软研究院发布的Skala 1.1展示了其深度学习交换关联泛函的持续改进，训练数据比前代多2.5倍，在热化学、反应动力学和分子结构预测等关键模拟任务中精度显著提升。目前Skala已在CP2K中可用，并正在集成到Psi4、FHI-aims、ORCA和VASP中，使下一代DFT精度更贴近日常使用这些代码的研究人员。此外，微软研究院还推出了一个实时基准测试，用于追踪后续优化版本的性能，帮助社区衡量并加速向更高精度和效率的进展。
MindTopo 是一个新基准，用于测试多模态大语言模型的拓扑推理能力，评估其对连通性、封闭性、顺序、分离和打结等概念的理解。该基准既测量静态图像中的识别能力，也测量通过一系列动作保持和操作这些关系的能力。研究发现，当前模型在静态识别上表现较好，但在交互任务中表现不佳，表明它们在时间上维持一致拓扑理解方面存在困难。失败通常发生在规划阶段而非感知阶段，模型在场景变化时会丢失结构关系或提出违反物理约束的动作。这些发现强调了推进 AI 系统在机器人技术和交互环境中发展的机会。
微软研究院推出CARE-X，这是一个统一的胸部X射线视觉语言模型，旨在处理多种临床解读任务。它结合自由文本生成和结构化预测，提供叙述式报告和确定性输出。研究团队使用强化学习（DAPO）在多任务设置中奖励临床正确性。在另一项独立实验中，他们为Qwen3-VL-4B-Instruct配备了确定性测量工具，以评估直接计算在测量依赖条件下的效果。模型在来自Narayana Health的真实印度临床数据上进行了验证，包括罕见的ICU病理和CT确认的扩大情况。CARE-X目前是研究模型，未经监管批准，不用于临床诊断。
微软发布Echoverse，包含12个用于训练计算机使用代理的世界：10个深度领域世界和2个能力世界，每个世界反复训练单一控件（如日期选择器、嵌套过滤器）。深度是关键：世界再现真实应用行为、预置真实数据、跨屏幕和用户保持状态一致。用全部12个世界训练后，一个9B模型的基础分数从36.5%提升至67.1%，接近GPT-5.4（差14分）。实验发现：高保真模拟是必需，浅层世界反而有害；代理常卡在相同UI元素，但通过多样化训练能泛化到未见领域；模型、世界和验证器共同演化可互相提升；基于接地验证器的强化学习超越模仿学习，提升保留性能并减少达到目标的步骤。现已开源4个世界及其代码、数据和接地评分器。
微软研究院推出EvoLib框架，使大语言模型在推理过程中无需人工标注或外部反馈即可自我监督学习。EvoLib将过往尝试转化为可复用的技能与反思性见解，并随时间不断提炼、整合和重新加权，使知识从具体经验升华到通用规律，从而跨任务迁移，持续提升性能。该框架无需更新模型，适用于任何黑盒大语言模型及API部署的AI系统。
微软在SymCrypt中采用Rust、Lean和Aeneas，并借助AI代理，对生产级密码算法进行正式验证。他们证明代码安全正确地实现了标准算法，尤其针对后量子密码。最初发布SHA-3和ML-KEM的验证代码、规范、属性和证明。Aeneas支持验证大部分Rust代码，并在Lean中提供高效自动化；AI代理通过编写可独立验证的证明来扩展自动化。这种方法结合了Rust对内存安全的保证和Lean证明对功能正确性的机器检查，以弥补测试和审计的不足。
Aurora 1.5 是微软 Aurora 地球系统基础模型的重要扩展，新增 22 个与能源、农业、交通和气候风险相关的天气变量，并提供逐小时时间分辨率与概率集合预报。模型已在 GitHub 开源，Hugging Face 提供模型检查点，由 Microsoft Weather 在微软研究院 AI for Science 原模型基础上开发；Aurora 最初于 2024 年推出、2025 年发表于 Nature。新版本将开放研究连接到 Microsoft Weather 服务，支持数据、基础设施、托管访问和业务化应用，并加入了用户最需要的能力之一（原文在此处中断）。
微软研究院推出Aurora 1.5，这是对Aurora大气基础模型的微调版本，专为中期集合天气预报优化。通过三阶段微调流程：扩展变量集和随机化滞后时间嵌入实现原生一小时分辨率；在AdaLN模块中注入高斯噪声并优化CRPS目标实现随机预测；在ECMWF业务分析上进行自回归微调。Aurora 1.5 ENS在中期（1-10天）88.9%的变量上优于ECMWF业务集合，且略微过离散。它还改进了极端事件预测，热带气旋路径误差降低16%，热浪MAE降低58%。该工作表明基础模型微调是实现可靠概率AI天气预报的可行且经济有效的途径。
微软研究院AI for Science团队推出Flint，一种用于AI驱动图表创建的可视化中间语言。Flint使AI代理能根据简单、人类可编辑的规范可靠地生成表达力强、视觉精美的图表。它利用语义数据类型指导编译器选择适当的比例、基线、格式和配色方案，并自动管理布局以适应数据变化。单个Flint规范可编译为Vega-Lite、Apache ECharts或Chart.js，无需重写。开源项目包括flint-chart库和flint-chart-mcp服务器，使代理能在聊天或编码环境中创建、验证和渲染图表。这解决了简短规范产生的图表平庸，而详细规范又冗长易错的问题。
SkillOpt 将智能体技能文件视为冻结目标模型之外的可训练参数，把技能编写从一次性提示转变为受控优化过程。在六个基准、七个目标模型和三种执行模式下，SkillOpt 在全部 52 个评估单元中均为最佳或并列最佳，且不更新模型权重。通过有界文本编辑、验证门控、拒绝编辑反馈和慢/元更新，技能保持紧凑和可审计，避免无控制的提示漂移。优化后的技能可跨模型规模、智能体框架和相关任务迁移，表明其捕获可复用工作流知识而非基准特定指令。
在 Microsoft Research New England 的生成建模与采样研讨会上，Runzhong Wang 介绍了 DiffMS 与 FRIGID 两个生成式 AI 框架，用于基于串联质谱（MS/MS）的分子结构从头解析。DiffMS 是化学式约束的图扩散模型，采用 transformer 谱图编码，并在指纹—结构对上大规模预训练，可直接从实验谱图生成分子结构。FRIGID 在此基础上构建可扩展的扩散语言模型，以数亿个分子结构训练，并通过与 ICEBERG 等正向碎裂模型的循环一致性细化实现推理时扩展，靶向修正与谱图不一致的分子片段。报告指出，这些工作体现了扩散模型、大规模预训练与推理时推理对科学发现和分子鉴定的推进作用。Wang 是 MIT 与 Connor Coley 教授合作的博士后，曾在上海交通大学计算机科学与工程系获学士和博士学位，研究涉及机器学习、优化与计算代谢组学，发表 30 多篇机器学习与 AI fo