跳到正文
#Microsoft
  1. Microsoft Research60

    微软研究院发布生物学 AI 研究系统 Quine

    微软研究院发布面向复杂生物学研究的 AI 系统 Quine，结合生物多模态世界模型与连接科学工具、文献及湿实验的交互框架。在与 Broad Institute 合作的胰腺癌细胞状态转换实验中，该系统用时一个周末即筛选并排序出最有潜力的候选化合物，且最高优先级候选物在多项湿实验检测中获得验证。

    推荐理由：该系统展示了多模态生物世界模型与湿实验闭环协同的范式，有助于评估跨尺度生物表征在药物重定向中的可用性。

  1. GitHub Blog · AI & ML73

    GitHub Security Lab 开源基于 Taskflow Agent 的 C/C++ 自动化模糊测试工具

    GitHub Security Lab 发布并开源了面向 C/C++ 项目的自主模糊测试管道 Fuzzing Taskflow，可通过 LLM 智能体全流程自动完成入口识别、测试桩编写、执行与漏洞排查。

    推荐理由：该工具把模糊测试的测试桩编写、覆盖率反馈与崩溃分类解构成由 MCP 工具配合的智能体循环，为代码安全自动化提供了可参考的端到端方案。

  1. Microsoft Research60

    微软研究院提出物理 AI 机器人推理卸载架构，大幅提升任务表现与续航

    微软研究院发布具身智能推理卸载系统研究，指出将物理 AI 推理从机器人板载 GPU 卸载至边缘或云端能显著改善任务表现并大幅延长续航。实测显示，较小算力的板载 GPU 会使建图规划变慢高达 383% 并导致 VLA 模型准确率下降 50%，而换用轻量硬件加远程卸载可避免大功率 GPU 对电池的损耗。

    推荐理由：微软通过实测对比了板载与云边协同推理的性能与功耗，为具身智能系统打破全板载硬件依赖提供了工程参考。

  1. Microsoft Research61

    微软在 Nature 发表小分子逆合成预测模型 RetroChimera 并开源代码与权重

    微软研究团队在《Nature》发表小分子逆合成预测框架 RetroChimera 并开源代码与权重，该模型可自动化推荐高质量化学合成路线。系统结合了基于 Transformer 的生成模型 R-SMILES 2 与基于图神经网络的模板模型 NeuralLoc，通过学习重排序机制融合两者的互补优势。

    推荐理由：通过结合生成模型与图神经网络模板的互补优势，该方法为解决复杂小分子逆合成中的长尾反应预测提供了可复现的集成路径。

  1. GitHub Blog · AI & ML81

    GitHub 如何用 Copilot 将 Copilot 运行时重写为 Rust

    GitHub 工程团队借助 Copilot CLI 与 Copilot 应用的多智能体协同，由单名核心开发者在数月内将 Copilot agent 运行时从 TypeScript 彻底重写为超 80 万行生产级 Rust 代码。

    推荐理由：文章完整公开了单人驱动多智能体舰队重写数十万行核心运行时的协作机制与防退化方案，为大规模智能体工程实践提供了参考路径。

  1. GitHub Blog · AI & ML63

    GitHub 团队实践：结合 Copilot 与 Actions 将市场活动运营自动化

    GitHub 市场运营团队展示了如何结合 GitHub Copilot、Actions 与 Issue 表单实现“Marketing ops as code”，完成活动筹备、物料生成、报名名单筛选及会后 CRM 上传的全流程自动化。

    推荐理由：文章拆解了将运营手册沉淀为 Markdown 规程并由 Copilot 执行的方案，为非纯研发团队落地智能体工作流提供了可复用的工程化模板。

已经到底了