微软用合成企业数据评估 Microsoft Copilot 的 AI 置信度
微软构建 Industry Evaluation Data Generation Platform，用基于 O*NET、招聘信息和 SEC 文件等公开数据生成的全合成企业环境来评估 Microsoft Copilot，避免使用任何客户数据。
#数据/训练
Microsoft ResearchAI 评分4040
Google DeepMind精选AI 评分6060 Google DeepMind 联合 WRI 与 IIASA 发布 ForTy 2020 全球森林类型地图
Google DeepMind 与 Google Research 联合 WRI、IIASA 发布 Forest Typology（ForTy）2020，把全球每块 10×10 米土地归入六类森林与土地利用类型，作为欧盟反毁林法规 EUDR 的关键基线。
推荐理由：ForTy 把森林类型细分到 10 米分辨率并给出逐年变化，读者可据此理解 EUDR 合规核查的数据基础。
Microsoft ResearchAI 评分5252 微软研究院提出 StudentSim：用学生模拟器为 AI 辅导提供反馈
微软研究院提出 StudentSim，从公开的去标识化学习记录训练个性化 AI 学生模拟器，用于在接触真实学习者之前评估和改进 AI 辅导系统。研究同时发布 StudentSimEval 基准，覆盖国际象棋、第二语言英语写作和数学三个领域，从行为保真度和指导响应度两个维度评估模拟器。
Berkeley AI ResearchAI 评分3636 ABBEL：通过信念状态更新让 LLM 高效完成长程交互
Berkeley AI Research 提出 ABBEL 框架，将 LLM 的交互摘要建模为自然语言信念状态并对其内容进行监督评分。在协作编程基准 CollabBench 上，基于重建的信念评分将 ABBEL 与全上下文模型的性能差距缩小约 50%，训练步数从 100 降至 50。训练后其峰值上下文 token 长度仍显著低于全上下文设置。
Berkeley AI ResearchAI 评分5252 GRASP：面向世界模型长时程规划的梯度规划器
Berkeley AI Research 发布博客介绍 GRASP，一种面向学习型世界模型的梯度规划器，通过把轨迹提升为虚拟状态实现跨时间并行优化、对状态迭代加噪声做探索，并绕开脆弱的 state-input 梯度。