微软发布 AI 诊断系统 MAI-DxO：NEJM 复杂病例准确率 83%，成果登《科学》
微软于 10 月 22 日宣布推出 AI 诊断系统 MAI-DxO（Microsoft AI Diagnostic Orchestrator），通过编排多个 AI 智能体模拟医生专家联合会诊，协同问诊、开具检查并研判诊断。
#Microsoft
IT之家·人工智能AI 评分6565 TechCrunch：AIAI 评分7171 Microsoft 称 MAI-DxO 在复杂病例模拟中诊断准确率 83%，超全科医生一倍以上
Microsoft AI 在 Science 发表研究，称其诊断编排系统 MAI-DxO 在 NEJM 复杂病例模拟中准确率达 83%，而单独工作的全科医生为 36%。
Satya Nadella@satyanadella同事件AI 评分7070引用Mustafa Suleyman@mustafasuleyman我们的 MAI 诊断系统现在在急诊科（ED）的准确率是医生的 1.7 倍，即使医生可以上网查阅资料。 它的成本也更低，并且为得出诊断所做的医学检查更少。 今天发表在《Science》期刊上……
同一件事，精选收录的是《Microsoft AI 发布 SDBench 基准与 MAI-DxO 诊断系统，登 Science》
The Verge：AIAI 评分7171 Microsoft 称其 Diagnostic Orchestrator 诊断准确率最高达医生四倍
Microsoft 在 Science 发表研究，称其 Diagnostic Orchestrator 在 SDBench 基准上诊断准确率最高达人类医生的四倍，计划开源该基准。
Microsoft AI：官方博客精选AI 评分8080 Microsoft AI 发布 SDBench 基准与 MAI-DxO 诊断系统，登 Science
Microsoft AI 发布 Sequential Diagnosis Benchmark（SDBench）和 AI 诊断系统 MAI-DxO，论文发表于 Science。
推荐理由：原文给出 SDBench 基准与 MAI-DxO 的具体准确率和成本数据，并开放部分评测代码，读者可据此评估其诊断推理方法。
Mustafa Suleyman@mustafasuleyman同事件AI 评分7373同一件事，精选收录的是《Microsoft AI 发布 SDBench 基准与 MAI-DxO 诊断系统，登 Science》
Microsoft Research 博客精选AI 评分8383 Microsoft Research 与合作者证明 31 年历史的 KLS 猜想
Microsoft Research 的 Xinzhi Zhang 与 Zhao Song 证明 1995 年提出的 Kannan–Lovász–Simonovits（KLS）猜想，表明对数凹分布的最优平面切割与任意形状切割的差距不随维度增长，以普适常数为界。
推荐理由：微软研究员亲述证明过程，展示了人类引导多智能体迭代剪枝的科研协作方式，约百条研究路径中筛出关键判据。
IT之家·人工智能AI 评分4343 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 Research 博客AI 评分5959 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。
The Verge：AIAI 评分6161 Microsoft 发布 Probabilistic Bias Correction 方法提升两到六周天气预报准确性
Microsoft 研究团队在 Nature 发表 Probabilistic Bias Correction（PBC）方法，用机器学习修正现有气象模型的系统偏差，可仅在 CPU 上运行并已开源。
MIT News精选AI 评分6565 MIT团队用机器学习修正误差，将两到六周天气预报准确率翻倍
MIT研究人员团队在Nature发表论文，提出一个机器学习后处理层，通过从历史数据中学习现有预报模型的错误并修正其输出，将两周到六周范围的预报准确率翻倍。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、可附加于任意预报模型，肯尼亚气象部门已接洽用于改进季风季预报。
推荐理由：原文介绍了Nature论文的方法与实测结果，读者可了解AI误差修正如何让两周到六周的天气预报首次稳定超过气候平均值。
Johann Rehberger / Embrace The Red精选AI 评分7676 Visual Studio Copilot 与 SSMS 远程代码执行漏洞（CVE-2026-103572）技术分析
Johann Rehberger 披露 Visual Studio Copilot 与 SQL Server Management Studio 中的远程代码执行漏洞 CVE-2026-103572，根因是利用文件名末尾多加一个点绕过路径校验，写入 .mcp. 或 settings.VisualStudio. 等受保护配置文件，实现任意命令执行。
推荐理由：作者亲述漏洞原理与利用链，读者可学到 Windows 路径规范化缺陷如何绕过 AI 智能体安全检查的可迁移方法。
The Decoder：AI NewsAI 评分6363 Microsoft Research 提出 Fork-and-Flush：清空聊天历史帮助 AI 智能体找到更优解
Microsoft Research 研究发现，长时间运行的自主研究型智能体常陷入"idea basins"，即使增加算力也难以突破。
Microsoft Research 博客AI 评分4949 微软 StudentSim：用个性化学生模拟器在真实学习者之前评估 AI 辅导
微软研究院提出 StudentSim，一种从公开去标识化学习记录训练个性化 AI 学生模拟器的研究系统，可在真实学习者测试前评估和改进 AI 辅导工具。该系统同时发布 StudentSimEval 评测基准，覆盖国际象棋、第二语言英语写作和数学，从行为保真度与指导响应性两个维度评估模拟器，表现优于主流基线。StudentSim 并非产品，不部署于课堂，也不用于替代教师。
Microsoft Research 博客精选AI 评分6969 Microsoft Research Asia 开源 Agent Lightning v1.0：3,500 行代码的真实 harness 智能体 RL 训练框架
Microsoft Research Asia 提出 Harnessed Agentic RL 训练范式并开源重建的 Agent Lightning v1.0，让部署时使用的同一 agent harness 直接参与强化学习，无需在训练框架内重写 agent。
推荐理由：框架让部署中的真实 agent harness 直接参与 RL 训练，无需重写 agent 代码，还给出了端到端编码智能体训练效果作参考。
GitHub BlogAI 评分5252 GitHub 发布开源基准 ReviewBench，用于评测 AI 代码审查智能体
GitHub 发布 AI 代码审查离线基准 ReviewBench，现已在 ReviewBench 网站开放使用。
Rohan Paul@rohanpaul_aiAI 评分4040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。
Hugging Face 社区博客精选AI 评分6565 Microsoft ThinkingBox 在 Hugging Face 上发布，以数据库终态和 20 次重复评测智能体
Microsoft 与 Hugging Face 发布 ThinkingBox 智能体沙箱与 ThinkingBox-Bench 基准，覆盖 507 个有状态业务工作流、每任务运行 20 次，以终局数据库状态和副作用作可执行判定，现可通过 OpenEnv 在 Hugging Face 上运行。
推荐理由：原文用数据库终态加 20 次重复评测智能体，给出一致性保留率、失败签名和可复现的运行方式，值得关注记录型工作流的可靠性评估。
- Rohan Paul@rohanpaul_aiAI 评分6565
Johann Rehberger / Embrace The RedAI 评分7474 从 SELECT 到 SYSADMIN：SQL Copilot 漏洞 CVE-2026-65669 研究复盘
安全研究员 Johann Rehberger 在 BlueHat Asia 2026 上报告 Microsoft SQL Server Management Studio 中 SQL Copilot 的 SQL Server 提权漏洞 CVE-2026-65669，微软评级为 critical，建议用户保持安装更新。
Microsoft Research 博客AI 评分4444 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
微软研究院开发了一套端到端机器学习流水线，结合太阳风观测、AE 与 Dst 指数预报、地质电导率和电网数据，为美国本土 66,935 座变电站生成 30-60 分钟前的局地空间天气风险估计。
IT之家·人工智能AI 评分6060 20 余名 AI 行业领袖发论文警告智能爆炸风险，呼吁政策制定者关注 AI 自我改进
据彭博社报道，20 多名 AI 行业领袖在一篇新论文中警告，用 AI 自动化下一代模型研发可能导致技术进步突然加速的智能爆炸，其速度或超过社会适应能力。联署者包括 Anthropic 联合创始人杰克·克拉克、OpenAI 首席科学家雅库布·帕乔茨基、杰弗里·辛顿、约书亚·本吉奥等。
Microsoft Research 博客AI 评分7878 微软研究院：机器人推理卸载至边缘/云端可显著提升性能与续航
微软研究院发布关于物理AI机器人推理基础设施的研究。通过系统评估移动操作任务，发现将推理从机载GPU卸载至边缘或云端，能解决机载算力限制模型规模、导致响应延迟（最高383%）及精度下降的问题。实验显示，卸载推理不仅提升了任务成功率，还通过替换高功耗机载GPU为轻量硬件（如树莓派），使机器人电池寿命延长高达160%。此外，微软推出了基于Kubernetes的Physical AI Toolchain工具集，支持自动化容器化与分布式推理部署。
- Rohan Paul@rohanpaul_aiAI 评分6565
Microsoft 论文提出把昂贵测试时推理摊销为蒸馏技能：收集 35–50 条历史轨迹，由编码智能体提取重复失败模式并编译成 markdown 技能加入非推理模型 system prompt。
- Rohan Paul@rohanpaul_aiAI 评分4848
PromptArmor：Threat Intelligence精选AI 评分6868 PromptArmor 披露 Microsoft Copilot Cowork 沙箱绕过漏洞，攻击者可远程控制智能体窃取数据
PromptArmor 披露 Microsoft Copilot Cowork 一个沙箱绕过漏洞，恶意 Skill 代码可借助沙箱外文件同步服务发起网络请求，与攻击者服务器建立命令控制循环，窃取 Outlook、SharePoint、Teams、插件数据和聊天记录，且用户点击停止按钮也无法中断。
推荐理由：原文完整披露了沙箱绕过的技术原理、攻击链和时间线，安全团队可以据此评估 Copilot Cowork 的 Skill 引入风险。
Microsoft Research 博客AI 评分7272 微软研究院发布MindTopo基准，揭示VLM拓扑推理与规划能力差距
微软研究院推出新基准MindTopo，评估多模态大模型（VLM）在连通性、封闭性、顺序、分离和打结等拓扑概念上的理解能力。研究发现，当前模型在静态图像识别拓扑关系表现尚可，但在需要维持和操作这些关系的交互式规划任务中表现显著下降，且远低于人类水平。错误主要源于无法在多步动作中保持结构一致性或违反物理约束。该基准旨在为机器人和交互环境中的可靠决策提供诊断工具。
Microsoft Research 博客AI 评分5555 微软研究院发布CARE-X：面向临床放射学的统一视觉语言模型
微软研究院推出CARE-X，一个用于胸部X光解读的统一视觉语言模型。该模型结合生成式与判别式能力，通过辅助监督、奖励对齐学习（DAPO）及工具增强测量，旨在解决现有VLM在诊断置信度校准、临床保真度优化及定量测量方面的不足。研究基于SigLIP2和Phi-4-mini架构，并在印度Narayana Health的真实临床数据上进行了验证。官方强调这是研究模型，非医疗产品，未获监管批准。
MarkTechPost精选AI 评分7070 Microsoft 的 SkillOpt 证明优化后的智能体技能工件可在不同模型规模及 Codex 与 Claude Code 之间迁移
Microsoft 与上海交大、同济、复旦团队提出的 SkillOpt 通过文本空间优化训练单一技能文档，冻结目标模型，使优化后的技能工件可跨模型规模和跨工具链迁移。在 Codex 上优化的 SpreadsheetBench 技能部署到 Claude Code 后得分 81.8，超过后者自行训练技能得到的 80.4。全部 4 项跨模型、4 项跨工具链和 3 项跨基准迁移结果均高于目标的无技能基线。
推荐理由：跨 harness 迁移实验把 agent 技能从单环境优化推进到可复用文本技能文件，Codex 练出的技能在 Claude Code 上超过域内训练结果，对维持多工具一致行为提供直接实证。
Microsoft Research@MSFTResearchAI 评分4242
- Microsoft Research@MSFTResearchAI 评分4343
