微软研究院发布 StudentSim：用 AI 学生模拟器替真人试课，优化 AI 导师
微软研究院发布研究系统 StudentSim，基于公开去标识化的学习者记录为每位学生训练个性化“AI 学生模拟器”，模拟其独立作答及收到讲解后的反应变化。该系统采用两阶段训练，覆盖国际象棋、第二语言英语写作和数学三类任务，并推出 StudentSimEval 评测基准。
#Microsoft
RadarAIAI 评分3838 RadarAIAI 评分4545 微软在 Nature 发表新研究：机器学习改进 2 到 6 周中期天气预报
微软团队本周在 Nature 发表新研究，展示机器学习可改进传统上极难预测的 2 到 6 周中期天气预报，有望用于应对极端天气、管理自然资源和农业决策。Satya Nadella 称，未来不只要构建更强的模型，还要构建能学习模型系统性错误、推理因果并持续对照现实校准预测的智能校验系统。
Microsoft Research精选AI 评分6262 微软研究院发布 Magnetar：基于标准哈希函数的通用零知识证明系统
微软研究院发布零知识虚拟机 Magnetar，可证明 Rust、Go、C 编译后的 RISC-V 程序执行，在 15 个基准程序上平均比现有最快的 zkVM 快 10 到 39 倍，证明验证约 12 毫秒。
推荐理由：微软研究院公开 Magnetar 的设计与基准数据，可了解零知识证明在通用程序上的效率与密码学取舍。
RadarAIAI 评分4848 Microsoft Research 发布 zkVM 系统 Magnetar，比现有最快系统平均快 10 到 39 倍
Microsoft Research 发布零知识虚拟机 Magnetar，可直接证明用 Rust、Go 或 C 编写的 RISC-V 程序，在 15 个基准程序上平均比现有最快 zkVM 快 10 到 39 倍。在笔记本电脑上每秒可证明 720 万至 870 万条处理器指令，证明约 12 毫秒内可验证，安全性只依赖 SHA-256 或 SHA-3 等标准哈希函数，无需受信任设置或椭圆曲线。
RadarAIAI 评分3838 微软 Magnetar 推动零知识证明主流化
微软研究院推出 Magnetar，通过支持标准编程语言、大幅速度提升和抗量子安全性，推动零知识证明走向主流。零知识证明可在不重新运行工作负载、不暴露敏感数据的前提下验证计算结果。
arXiv cs.AIAI 评分2323 面向 OS 集成 AI 的特征边界审计方法：超越局部性
研究提出一种面向 OS 集成 AI 的特征边界审计方法，结合六类隐私失效面分类、五维控制评分表与相邻数据及权限路径记录，并依据公开文档对 Apple Foundation Models、Apple Private Cloud Compute、Android AICore/Gemini Nano 和 Microsoft Recall 进行分析。
RadarAIAI 评分6666 MIT 团队用机器学习修正预报误差，两到六周天气预报准确率翻倍
MIT 研究人员在 Nature 发表论文，提出一个机器学习后处理层，从历史数据中学习现有预报模型的误差并修正其输出，将两到六周时间范围的预报准确率提高一倍。该模型在 ECMWF 的季节间预报竞赛中获第一名，首次在该时间范围内稳定超过气候学平均值，并显著改善洪水、寒潮等极端天气事件的预测。模型开源、低成本，可作为附加包装器用于任意预报模型，肯尼亚气象部门已接洽用于改进季风季预报。
RadarAIAI 评分3838 微软研究用概率偏差校正改进两周以上天气预报
微软研究提出概率偏差校正（Probabilistic Bias Correction）方法，改进两周以上的延伸期天气预报，并在全球竞赛中拔得头筹。该方法针对两周后预报不可靠、给农民等群体留下关键空白的问题，展现出实际应用潜力。
The Verge · AIAI 评分6060 微软开源 PBC 工具，用机器学习改进 2 至 6 周天气预报
微软研究院联合 MIT、ECMWF 等机构在 Nature 发表 Probabilistic Bias Correction（PBC）方法，用机器学习识别并修正现有天气预报模型的系统性偏差，而非另建独立模型，相关工具已开源。
MIT News · AIAI 评分7171 MIT 等团队用机器学习后处理改进两到六周天气预报
MIT 等机构研究团队开发了一种机器学习后处理层，学习并修正现有天气预报模型的误差，在两到六周时间尺度上把黄金标准预报模型的准确率提高了一倍，并在 ECMWF 的预报竞赛中排名第一。相关论文发表在 Nature 上，该模型首次在该时间尺度上超过气候平均，并显著提升极端天气预测能力。模型为开源、低成本的外挂式组件，可叠加到任意预报模型上，肯尼亚气象部门已就应用该模型改进季风预报接洽。
Microsoft ResearchAI 评分4141 微软 StudentSim：用个性化学生模拟器评估和改进 AI 辅导系统
微软研究院推出 StudentSim，一种从公开去标识化学习记录中训练个性化 AI 学生模拟器的研究系统，让 AI 辅导工具在接触真实学习者之前就能获得反馈信号。
The DecoderAI 评分6666 微软研究：清空对话历史可让 AI 智能体找到更好方案
微软研究院一项研究提出 Fork-and-Flush 方法，让长时运行的 Autoresearch 智能体在保留工作区文件的同时清空对话上下文并分叉出 K 条并行分支，从而跳出反复收敛的“idea basin”。
RadarAIAI 评分4343 微软论文：编码智能体瓶颈在“读代码”而非“改代码”
微软论文发现编码智能体在理解大量代码时容易出错，而非编辑大量代码时，建议用代码阅读与比较任务而非 diff 大小来评测。研究者构建 CABRA 生成合成编码任务，每次只提升一类难度，在 6,840 个任务上测试了 8 个 LLM 和 6 个智能体，并将每次工具调用标注为读取、分析、搜索、编辑或测试。
RadarAIAI 评分4242 微软 TeleTune：从离线日志进化智能体技能
微软论文提出 TeleTune，让智能体直接从原始使用日志中学习软件技能，无需实时测试环境。该方法猜测每个会话的目标，用文本技能库让模型预测每条日志动作，错误预测触发技能库修改，仅保留在留出日志上准确率提升的编辑。论文称旧日志上的下一步动作准确率与实时成功率一致，建议产品记录用户活动并据此挖掘智能体技能。
科技媒体 RSSAI 评分6161 微软等机构提出 CorpusMap：为智能体搜索构建实体地图
微软等机构提出 CorpusMap，预先解析文档集合中的重复实体，为每个实体生成链接所有相关文档的页面，原始文档保持原位。智能体读完一篇文档后可沿实体跳转到相关文档，避免重复搜索同一证据。在 7 个模型和 3 个基准上，答案质量提升 6.4 至 11.7 分，输入 token 减少 34% 至 57%，并优于 LLM Wiki 层等三种导航层；该地图无需 LLM 调用即可构建，并支持随新文档更新。
GitHub Blog · AI & ML精选AI 评分6060 GitHub 发布 ReviewBench：面向 AI 代码审查的开放基准
GitHub 发布 ReviewBench，一个面向 AI 代码审查智能体的离线基准，基于 1.039 亿个 GitHub pull request 的分布特征构建，包含来自 187 个开源仓库、覆盖 19 种语言的 219 个 pull request。
推荐理由：GitHub 公开了代码审查基准的构建方法与评测口径，读者可据此理解 AI 代码审查能力该如何被量化比较。
科技媒体 RSSAI 评分3434 微软提出 ActiveSaddler：按未修复失败选任务优化 Agent
微软论文提出面向 AI 智能体的自动化 harness 优化方法 ActiveSaddler，它追踪失败模式并优先修复最值得解决的问题，或尝试未见任务以发现新失败。
科技媒体 RSSAI 评分4141 微软论文：无主管编程智能体团队规模越大得分越高
微软论文发现，编程智能体团队不设中央管理者时，规模越大得分越高、完成越快。在 ProgramBench 200 个任务中最难的 5 个上，无主管团队从 1 个扩展到 128 个智能体，每一步平均得分都在提升。该方案名为 Agensh，每个智能体自行认领子任务、构建测试并合并到共享 Git 仓库，所有运行使用同一模型，论文未报告大团队的成本。
Microsoft ResearchAI 评分3838 微软研究院用机器学习预测电网空间天气风险，覆盖美国 66,935 座变电站
微软研究院实习生开发了一套端到端机器学习流水线，利用 L1 太阳风观测、AE 与 Dst 指数预报及变电站地质电导率数据，为美国本土 66,935 座变电站生成 30-60 分钟提前量的位置级空间天气风险估计。
Microsoft Research精选AI 评分6262 微软研究院：把物理 AI 推理卸载出机器人可提升任务成功率与续航
微软研究院对移动操作机器人工作负载做了系统性测量，发现把物理 AI 推理从机器人端侧 GPU 卸载到边缘或云端 GPU，能提升任务成功率、支持更大的模型并延长续航。
推荐理由：微软研究院系统测量了机器人端侧 GPU 推理的瓶颈，并给出把推理卸载到边缘或云端的开源工具链，可供机器人开发者参考。
Microsoft Research精选AI 评分6262 Microsoft Research 在 Nature 发表逆向合成模型 RetroChimera 并开源
Microsoft Research 在 Nature 发表逆向合成模型 RetroChimera，用于自动提出小分子合成路线。该框架结合 Transformer 模型 R-SMILES 2 与基于图神经网络和反应模板的 NeuralLoc，用学习式集成重排序融合两者预测，在盲测中化学家更偏好其单步反应预测，十个挑战性目标中九个被专家接受。
推荐理由：论文发表于 Nature，并开源实现与权重，读者可了解逆向合成模型如何用集成重排序提升路线预测质量。