Microsoft Research 提出 StudentSim：用个性化学生模拟器改进 AI 辅导系统
Microsoft Research 发布研究系统 StudentSim，用公开且去标识化的学习者记录为每名学生训练个性化 AI 学生模拟器，以便在真实学习者测试前评估和改进 AI 辅导系统。
#Microsoft
#Microsoft
今日 2 条Microsoft ResearchAI 评分5858 The DecoderAI 评分6666 Microsoft Research 提出 Fork-and-Flush：清空聊天上下文帮助 AI 智能体找到更优解
Microsoft Research 研究发现，长程 AI 研究智能体会困在相似方案构成的 idea basins 中，增加算力也难以跳出；论文提出 Fork-and-Flush，通过并行分支继承工作区文件并清空各分支聊天上下文来恢复搜索多样性。
Hacker News：AI 热帖AI 评分7272 TasteVal 论文提出 AI 实验研究品味基准，Opus 5.5 超过人类专家基线
P-Zero Research 发布 TasteVal，用 8 个前沿 AI 研发任务衡量模型在固定问题下迭代设计实验并解读结果的能力。评测以达到人类专家分数所需实验计算为指标，由固定编码智能体在单张 H100 上执行，单次运行上限为 40 GPU-hours 或 120 小时墙钟时间，人类基线来自 24 名专家。
elvis@omarsar0AI 评分5454引用DAIR.AI@dair_aiBanger paper from Microsoft and colleagues. If you run agents that search a large document collection, this one is worth your time. (bookmark it) They introduce CorpusMap, which resolves recurring entities across the collection in advance and gives each entity a page that links to every document that mentions it. The original documents stay in place. The agent reads a document, follows an entity to related documents, and avoids searching for the same evidence again. Across 7 models and three benchmarks, answer quality goes up 6.4 to 11.7 points while input tokens drop 34% to 57%. It also beats an LLM Wiki layer and three other navigation layers. The map can be built without LLM calls and updated as new documents arrive. Paper: https://arxiv.org/abs/2609.37226 Chat with Paper: https://academy.dair.ai/papers/follow-the-entities-a-corpus-map-for-agentic-search-2609.37226
GitHub Blog · AI & ML精选AI 评分6262 GitHub 发布开放 AI 代码审查基准 ReviewBench
GitHub 发布开放 AI 代码审查离线基准 ReviewBench，研究预览版已上线，可用于比较代码审查智能体并接入自有系统。基准基于 103.9M 个 GitHub pull request 的分布构建，包含 187 个公开仓库中的 219 个 pull request、覆盖 19 种语言，并提供多来源 golden set、严重度和类别标注。
推荐理由：原文说明了基准语料、标注流程和接入方式，适合用来理解代码审查智能体应如何做可复现评测。
Rohan Paul@rohanpaul_aiAI 评分5050
Hacker News：AI 热帖AI 评分6262 Microsoft ASSERT 结构化 AI 评测框架研究：对比 Petri Bloom 的覆盖率、有效性与稳健性
Microsoft 内部研究评估 ASSERT 结构化 AI 评测框架，并与 Meridian Labs 的 Petri Bloom 比较。研究覆盖 16 个网络安全风险，每个风险运行 3 次、每次目标生成 100 个六轮对话场景，使用 GPT-5.4 作为目标模型和裁判。
- Rohan Paul@rohanpaul_aiAI 评分5252
Microsoft Research 论文 Agensh 提出无中心协调者的自组织多智能体框架，智能体自行认领子任务、构建测试、合并共享 Git 仓库并在共享看板记录发现。
- elvis@omarsar0AI 评分4747
Microsoft 等提出 ScholarEvolve，依据已发表的智能体研究论文而非自身失败日志来进化 agent harness，并将 harness 拆为工具使用、记忆管理、任务执行模块。
Hugging Face Blog精选AI 评分7878 Microsoft ThinkingBox 登陆 Hugging Face，用数据库状态评测 AI 智能体
Microsoft 与 Hugging Face 发布 ThinkingBox 智能体沙箱及 ThinkingBox-Bench，基准包含 507 个有状态业务工作流，每个任务运行 20 次，并通过隔离 MCP 工具会话检查最终后端状态与副作用。
推荐理由：ThinkingBox 用后端最终状态和副作用判定智能体任务成败，并通过 20 次重复运行区分单次能力与稳定可靠性。
- Rohan Paul@rohanpaul_aiAI 评分5353
Hacker News：AI 热帖AI 评分5656 David AI 发布 DAI-ASR-I18N 多语言对话 ASR 与说话人分离基准
David AI 发布 DAI-ASR-I18N，用21种语言、147小时无脚本双人对话评测语音识别和说话人分离。研究评估8个商用系统与6个开放权重模型，公开每语言2小时评测集，并在 Hugging Face 提供数据、在 GitHub 以 MIT License 发布推理和评测工具。
- elvis@omarsar0AI 评分6060
Microsoft Research 论文 Agensh 提出无中心编排器的自组织多智能体框架，通过共享工作区、消息接口和共享上下文协调并行编码智能体。
Microsoft Research精选AI 评分7070 Microsoft Research 在 Nature 发表 RetroChimera 逆合成模型并开源实现与权重
Microsoft Research 发表于 Nature 的 RetroChimera 是一个小分子逆合成预测框架，可自动提出高质量合成路线。它结合基于 Transformer 的 R-SMILES 2 与基于 GNN 的 NeuralLoc，并用 learning-to-rank 聚合两类互补预测。
推荐理由：文章解释了双模型集成与学习排序的设计思路，并给出专家盲测结果，可帮助理解 AI 如何辅助小分子逆合成规划。
Microsoft ResearchAI 评分5353 Microsoft Research 发布 MindTopo 基准，评测多模态模型的拓扑空间推理能力
Microsoft Research 推出 MindTopo 基准，用于评测多模态大语言模型对连通性、分离、顺序、包围和绳结等拓扑关系的推理与规划能力。基准包含静态 reasoning 任务和模拟环境中的 planning 任务，场景由可控模拟器生成并提供精确 ground truth。
Microsoft ResearchAI 评分5757 Microsoft Research 推出研究模型 CARE-X，探索面向临床任务的胸部 X 光视觉语言模型
Microsoft Research 发布研究模型 CARE-X，用统一胸部 X 光 VLM 支持报告生成、疾病分类、否定判断、设备位置和异常区域定位。
Microsoft Research精选AI 评分6868 Microsoft Research 发布 Echoverse：面向计算机使用智能体的深度可演化训练环境
Microsoft Research 发布 Echoverse，构建10个深度领域世界和2个能力世界，用于训练计算机使用智能体，并开放其中4个世界的代码、数据和 grounded graders。
推荐理由：文中用深浅环境对照和9B模型训练结果，说明高保真、可验证的交互环境对计算机使用智能体训练的实际影响。
Microsoft ResearchAI 评分5353 Microsoft Research 提出 EvoLib：让大语言模型把经验转化为持续演化的知识
Microsoft Research 在论文 Test-Time Learning with an Evolving Library 中提出 EvoLib，让大语言模型在推理阶段从自身经验中自监督学习，无需真实标签、外部反馈或更新模型参数。