Microsoft 与 Hugging Face 联合发布智能体评测基准 ThinkingBox，通过检查数据库最终状态和副作用而非工具调用来评估智能体。该研究在 507 个有状态工作流上对 12 个 LLM 模型进行了 20 次重复测试，发现模型的一次性成功率（pass@1）与始终正确率（20/20）之间存在巨大差距。
推荐理由：该研究通过检查数据库最终状态而非工具调用来评估智能体，揭示了模型一次性成功与可靠执行之间的显著差距。
MIT、Google 和东北大学的研究人员开发了名为 InstructMesh 的 AI 驱动设计软件，让用户能轻松修复 AI 生成的 3D 模型缺陷并按需制造。
Vercel 与 Microsoft AI 合作，将 MAI 模型引入其 AI Gateway 平台。平台新增支持 MAI-Voice-2.1、MAI-Voice-2.1-Flash 和 MAI-Transcribe-2 Streaming 三款音频模型，分别用于生成多语言语音、低延迟语音交互和实时音频转录。AI Gateway 按模型官方费率计费，不收取平台费用或推理加价。
PyTorch Conference North America 2026 即将在圣何塞举行，为开源 AI 社区提供交流平台。会议指南重点介绍了多场关于分布式计算框架 Ray 的议题，涵盖其与 Kubernetes 的协同演进、在 LinkedIn 和 Uber 等公司的生产级数据与模型训练应用，以及在模型推理与后训练阶段的关键作用。
微软研究院开发了一套端到端机器学习系统，可为美国本土 66,935 座变电站提供提前 30 至 60 分钟的位置特定空间天气风险预测。该系统结合太阳风观测、AE/Dst 指数预报、地质电导率与电网数据，在 2020-2026 年评估期内对重大事件的检测率达到 76.5%。
微软研究院推出名为Quine的生物AI研究系统，该系统包含一个多模态生物世界模型和一个连接模型、科学工具、文献与研究人员的工作平台。在与Broad Institute的合作中，Quine被用于预测和优先排序能驱动肿瘤细胞状态转变的化合物，其排名靠前的候选物在湿实验室实验中得到了验证。
推荐理由：原文展示了该系统在癌症研究中的具体应用案例和效果，为关注AI在生物科学领域落地的读者提供了实践参考。
Microsoft Research Asia – Singapore 成立一周年，致力于通过前沿 AI 研究、深度合作与人才培养，将研究成果转化为医疗等领域的实际应用。该实验室与新加坡政府、学术界及产业界紧密合作，重点研究下一代 AI 模型与智能体系统、特定领域 AI 以及可靠可信的 AI 系统。其工作旨在支持新加坡的国家 AI 战略，并推动东南亚地区的创新生态发展。
Microsoft Research 的研究表明，将物理 AI 机器人的推理任务从机载 GPU 卸载到边缘或云端，能显著提升任务成功率并延长电池续航。在移动操作任务中，卸载推理使障碍物及时检测率提升30%，并将机器人手臂交接物体的成功率提高了50%。该研究还引入了基于 Kubernetes 的工具集，用于在机器人、边缘和云端之间容器化与编排 AI 工作负载。
Vercel Connect 新增了对 Microsoft Teams 的托管连接器支持。该连接器可为组织创建一个 Teams 机器人，供应用和智能体运行，用户可在频道中 @提及或直接发送消息，代码将以机器人身份接收并回复消息。作为 Vercel 托管连接器，Vercel 会在租户中注册 Entra 应用和 Azure Bot 资源，无需存储客户端密钥，管理员完成一次性设置即可。
Microsoft Research 在《自然》期刊发表并开源了逆合成模型 RetroChimera。该模型通过集成 Transformer 架构的 R-SMILES 2 与基于图神经网络的 NeuralLoc，并采用学习排序策略，其提出的反应步骤在盲测中获得了博士级化学家的偏好。开源 RetroChimera 旨在帮助研究人员加速新药和先进材料的开发。
Microsoft Research 推出高效病理学基础模型 GigaPath-Flash 和 GigaTIME-Flash，显著降低了计算需求。GigaPath-Flash 参数量为 2200 万，在保持性能的同时将推理成本降至原 GigaPath 的约 1/50。这两个基于 Apache 2.0 协议开源的研究模型旨在支持大规模病理数据分析，推动群体规模的疾病生物学研究。
Microsoft Research 发布了深度学习密度泛函交换关联泛函 Skala 1.1，其训练数据量是前代版本的 2.5 倍，在 GMTKN55 基准测试的 55 个类别中，有 32 个类别排名第一。Skala 现已集成于 CP2K，并正在整合到 Psi4、FHI-aims、ORCA 和 VASP 等主流电子结构软件中，以扩大其在科学和工业工作流程中的可及性。
Microsoft Research 推出 MindTopo 基准，用于评估多模态大语言模型对连通性、包围、顺序、分离和绳结等拓扑关系的理解能力。测试发现，模型在静态图像识别任务上的表现远优于需要规划与交互的任务，表明其难以在动态场景中维持对拓扑结构的一致性理解。这一差距凸显了在机器人学和交互式环境等需要可靠决策的领域，提升 AI 系统拓扑推理能力的重要性。
该分析利用 Neo4j Aura Graph Analytics 和 Microsoft Fabric 构建了相扑力士风格图谱，处理了 2000 年至今 78,710 场顶级赛事数据。