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。
#Microsoft
Microsoft ResearchAI 评分4040 Microsoft ResearchAI 评分2222 Microsoft Research Focus 第97期：ForkPilot、CABRA 与 TeleTune 等研究进展
Microsoft Research Focus 第97期由 Sowbhagya Suresh 主持，介绍微软多项最新研究。自改进智能体框架 ForkPilot 在六个基准和主流模型上测试，效果比肩现有最佳方法，同时将 AI 处理开销降低最多 59%。CABRA 框架发现编码智能体最大障碍是理解陌生代码库，TeleTune 则从用户活动日志中学习可复用技能。
Microsoft Research精选AI 评分7171 微软研究院等证明 31 年未解的 KLS 猜想
微软研究院的 Xinzhi Zhang 与合著者 Zhao Song 证明了 1995 年提出的 KLS 猜想，证明高维对数凹分布下最佳超平面切割与任意形状最佳切割的差距不超过一个与维度无关的常数。
推荐理由：这条内容讲的是研究者如何用智能体并行探索上百条路径、人工筛选后完成证明，可了解人机协作做数学研究的实际流程。
Microsoft Research精选AI 评分7171 微软研究院推出基于证明的通用计算系统 Magnetar
微软研究院发布零知识虚拟机 Magnetar，可直接证明用 Rust、Go 或 C 编写的 RISC-V 程序执行过程，在 15 个基准程序上平均比现有最快 zkVM 快 10 至 39 倍，证明验证约需 12 毫秒。
推荐理由：微软研究院梳理十余年零知识证明研究脉络，说明 Magnetar 如何同时兼顾通用性、速度与标准哈希函数安全性。
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。
GitHub Blog · AI & MLAI 评分5858 GitHub 发布 AI 代码审查基准 ReviewBench
GitHub 发布开源代码审查基准 ReviewBench，基于 1.039 亿个 GitHub PR 的分布特征，构建了覆盖 19 种语言、来自 187 个开源仓库的 219 个 PR 评测集。