微软研究院:AI 智能体在编码与复杂任务上的新进展
微软研究院集中展示让 AI 智能体更省算力、更可诊断、更能复用人类操作经验的几条路线,并用真实使用数据说明企业间的 AI 用法差异被平均统计掩盖
话题脉络
- 0:48ForkPilot 让 AI agent 学会回溯
ForkPilot 是一套能自我改进的框架，它判断何时值得回到早先的决策、换一条路重试，并在六个 benchmark 上追平最强方法，同时把算力消耗降低最多 59%。
Sowbhagya Suresh - 1:35CABRA 诊断编码 agent 的失败
CABRA 可以从零生成难度可控的编程题，从而精确定位 agent 的弱项：agent 靠工具能解决不少题目，但真正卡住它的是读懂陌生 codebase，而不只是修改代码。
Sowbhagya Suresh - 2:22TeleTune 从操作日志学工作流
TeleTune 能从缺少意图标注的用户活动日志中反推出任务目标和可复用技能，在软件与浏览器任务上优于现有方法，让 computer-use agent 更快适应陌生软件。
Sowbhagya Suresh - 3:09Copilot 使用数据掩盖行业差异
分析 Copilot Chat 的汇总活动后发现，排名前 20 的常见操作（比如编辑文档）在各行业高度相似；一旦排除这些操作，不同客户类别的差异就明显显现，因此企业不要照搬同行的 AI 需求。
Sowbhagya Suresh - 3:57Shiksha Copilot 减轻教师负担
在印度低资源学校对上千名教师的试验中，human-in-the-loop 工具 Shiksha Copilot 缩短了双语备课和行政事务占用的时间，教师压力下降，并能用自己的专业判断改造材料。
Sowbhagya Suresh - 4:45PBC 改进 2–6 周延伸期预报
机器学习框架 Probabilistic Bias Correction 学习天气模型的历史误差并加以校正，在全球延伸期预报竞赛中夺冠，已在肯尼亚用于改进对农民至关重要的季风预测。
Sowbhagya Suresh - 5:31BioEmu2 预测蛋白质结构与动态
微软 AI for Science 团队推出的生物分子基础模型 BioEmu2 已进入公开预览，它帮助科学家理解蛋白质的结构、动态与功能，为设计更有效的药物提供基础。
Sowbhagya Suresh
节目简介
本期 Research Focus 汇总微软研究院四项工作:ForkPilot 让 AI 智能体自行判断何时回溯早前决策,在六个基准上和主流模型上达到现有最好方法水平,同时把算力需求降低最多 59%;CABRA 从零生成编程挑战,用于定位编码智能体的失败原因,发现读懂陌生代码库比改代码更难;TeleTune 从用户操作日志中学习可复用的技能与工作流,推断操作背后的任务目标,让 computer-use 智能体(靠点击和打字完成任务的 AI 系统)适应陌生软件;以及一项对 Copilot Chat 使用数据的分析:文档编辑占已分类活动 20% 以上,但剔除最常见的 20 项活动后,不同客户类别之间的差异明显变大,说明头部高频用法掩盖了行业间的真实分化