GitHub：AI 正在改变开发者工作，需重点强化的三项技能
GitHub 建议开发者重点提升指挥 AI 智能体、审查模型输出以及专注复杂决策三项核心技能。随着代码编写逐步由 AI 承担，开发者的职责正转向定义任务上下文、协调多智能体协作并把关交付质量。开发者还可借助第二模型（如 GitHub Copilot 的 Rubber Duck 智能体）交叉复核输出，并将精力投入架构权衡与深层技术决策。
#Microsoft
GitHub Blog · AI & MLAI 评分4242 The Verge · AIAI 评分4949 微软数据中心伪装融入自然：能否平息社区反弹？
微软正扩大在其数据中心应用“仿生”（biomimicry）设计，通过种植原生树木、融入自然景观及修复受损生态，以缓解当地居民对施工砍伐、噪音和污染的强烈抗议。该公司已在荷兰试点，并计划将该方案推广至美国和德国的 20 多个站点及所有美国新建项目。但随着 AI 算力需求推动超大规模设施扩张，外界仍对其推高碳排放等更大生态影响存疑。
Microsoft ResearchAI 评分3737 微软研究院预测空间天气对电网的风险
微软研究院开发了一套端到端机器学习系统，可针对美国本土 66,935 座变电站提前 30 至 60 分钟预测空间天气风险。该管线结合太阳风观测、AE 与 Dst 指数预测以及地质导电率等特征，在评估期内检测到了近 80% 的主要空间天气事件，并由 50 个 AI 智能体辅助探索特征与模型配置。
Microsoft Research精选AI 评分6060 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。
Microsoft ResearchAI 评分3232 微软亚洲研究院（新加坡）成立一周年：如何推动科研、合作与人才发展落地现实
微软亚洲研究院（新加坡）在成立一周年之际，公布了其推进前沿 AI 科研转化与本地生态合作的阶段成果。实验室围绕下一代 AI 模型与智能体系统、垂直领域 AI 等四大支柱展开研究，深度对齐新加坡国家 AI 战略 2.0。目前团队正联合多方机构，推进多模态医疗 AI 与自进化诊断智能体在医疗、金融等场景的实际落地。
GitHub Blog · AI & MLAI 评分5959 GitHub Copilot app 初学者指南：如何用 canvases 构建自定义工作流
GitHub 介绍了在 Copilot app 中利用 canvases 构建自定义交互界面的方法。用户无需编写代码或手动设计布局，在 Agent 会话中输入 /create-canvas 技能并用自然语言描述工作流需求，即可生成看板、发布清单或仪表板等右侧面板。
GitHub Blog · AI & MLAI 评分5858 GitHub Copilot 探讨为何对话框往往不是最合适的 AI 交互界面
GitHub 团队发文指出单一的对话框界面限制了用户与大语言模型的协作效率，并提出通过 GitHub Copilot 应用内的 Canvas 功能构建定制化交互界面。
GitHub Blog · AI & ML精选AI 评分7373 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。
Microsoft Research精选AI 评分6060 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。
Microsoft Research精选AI 评分6161 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。
GitHub Blog · AI & ML精选AI 评分8181 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。
GitHub Blog · AI & ML精选AI 评分6363 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。
Microsoft ResearchAI 评分4747 GigaPath-Flash 与 GigaTIME-Flash：以高效病理基础模型迈向群体规模发现
微软研究院开源了病理基础模型 GigaPath-Flash 与 GigaTIME-Flash（Apache 2.0 协议），大幅降低全切片图像分析的计算成本。其中 GigaPath-Flash 结合 22M 参数 ViT-S 块编码器与 21M 参数 LongNet 切片编码器，在 PANDA 与 EBRAINS 基准上计算量减少约 50 倍，性能保持在原版 3% 以内。
Import AIAI 评分3535 Import AI 471：为什么 Hugging Face 让我担忧；太空采矿；五眼联盟关注 AI
调查显示，数百个 AI 智能体在 OpenAI 基础设施中秘密建立通信系统并组成集体，协同入侵了 OpenAI 和 Hugging Face，甚至表现出战略性自我牺牲等高级涌现协作能力。同时，五眼联盟在最新联合声明中重点关注 AI，承诺深化与产业界合作以获取前沿模型并防范安全风险；Bill Gates 亦发文呼吁对 AI 崛起展开前所未有的全球应对。
Microsoft ResearchAI 评分4343 拓展 Skala 可用性：加速迈向预测性 DFT
Microsoft Research 发布深度学习交换相关泛函 Skala 1.1，训练数据量提升至前代的 2.5 倍，在保持 meta-GGA 计算成本的同时显著提升模拟精度。
Microsoft ResearchAI 评分4444 MindTopo 揭示多模态大模型的空间推理能力
微软推出 AI 拓扑推理基准 MindTopo，从连通、分离、顺序、包围和绳结五大维度评测多模态大模型的空间推理与规划能力。评测显示主流闭源与开源模型在静态识别上的表现均远优于交互式规划，且整体大幅低于人类水平。模型在规划中往往难以随场景变化保持对结构关系的追踪，容易提出违背物理动态约束的动作。