微软研究院发布 StudentSim：用 AI 学生模拟器替真人试课
微软研究院于 10 月 12 日发布研究系统 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导师讲解后的反应变化。
全部动态
按时间排列的全部内容。默认只显示通过双重评分的入选条目；切换到“全部收录”可以检索所有抓到的资料。
53 条收录动态，更新于 07:49
全部收录包含没有通过评分的资料，标题以常规字体显示并标为“未入选”，只供检索，不写入选理由。
10月17日
星期六，1 条10月16日
星期五，2 条Magnetar 推动零知识证明主流化
零知识证明无需重新运行工作负载或暴露敏感数据即可验证计算结果。Magnetar 通过支持标准编程语言、大幅速度提升和抗量子安全，帮助其走向主流：https://msft.it/6016atJb6
10月15日
星期四，1 条PremiseCheck：面向人类与 AI 审稿意见的高效事实核查框架
研究团队提出 PremiseCheck 框架，用于核查审稿意见中与论文不符的事实性错误：由 LLM 在不读论文的情况下把每条意见拆成显式前提，再由决策模型对照论文逐条验证，取最低分作为该意见得分。
10月14日
星期三，2 条微软概率偏差校正提升延伸天气预报
天气预报在两周之后便不可靠，给农民和其他人留下了关键空白。概率偏差校正（Probabilistic Bias Correction）改进了延伸期预报，在全球竞赛中拔得头筹，并展现出在实际应用中大有可为：https://msft.it/6013aseY9 图片来源：科罗拉多州立大学大气研究合作研究所与美国国家海洋和大气管理局（CSU/CIRA & NOAA）
MIT 团队用机器学习后处理将两到六周天气预报准确率提高一倍
MIT 等机构的研究团队开发了一种机器学习后处理层，通过学习历史数据修正现有预报模型的误差，在两周到六周的次季节预报中把黄金标准模型的预测能力提高了一倍，并首次在该时间尺度上超过气候平均值。相关论文发表在 Nature，该方法在 ECMWF 的预报竞赛中获第一名，对极端天气的预测也有统计显著提升。该模型是开源、低成本的附加组件，可搭配任意预报模型使用，肯尼亚气象部门已联系希望用于改进季风预报。
入选理由研究团队用后处理层修正现有预报模型误差，把两周到六周的次季节预报准确率提高一倍，并开源低成本，能源与农业用户可据此评估部署可能。
10月13日
星期二，3 条微软研究院AI研究进展汇总
AI在承认需要澄清时表现更好；提升机器人在视觉语言任务上的表现；我们如何从AI的失败中学习；改进AI辅导；理解我们的嗅觉；更高效的KV-cache内存存储 https://msft.it/6019aSVIP
Microsoft Research 推出 StudentSim，在真人测试前评估 AI 辅导工具
Microsoft Research 发布研究系统 StudentSim，用于在让学习者试用之前评估和改进 AI 辅导工具。该系统模拟个体与辅导工具的互动方式，并给出反馈以改进辅导表现，覆盖国际象棋、写作和数学等学科。原文链接：https://msft.it/6013aS3JF
微软研究院发布 StudentSim：用个性化学生模拟器为 AI 导师提供训练反馈
微软研究院提出 StudentSim，一个用公开去标识化学习记录训练个性化学生模拟器的研究系统，用于在 AI 导师接触真实学习者之前评估和改进导师。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，从行为保真度和对指导的响应度两个维度评估模拟器。
入选理由微软研究院提出用真实学习记录训练个性化学生模拟器，为 AI 导师在接触真实学习者前提供可扩展的反馈信号。
10月12日
星期一，1 条Import AI 476：AI 创造力与递归自我改进、开源权重模型表现不及中国、AI 走向太空
Elorian 与 Scale AI 发布 Humanity's Sixth Sense（HSS）基准，用 522 道题、288 张图片和 234 段短视频（共 17.6 小时）测试多模态模型的直觉视觉推理。
10月8日
星期四，1 条微软研究院开源 Agent Lightning v1.0：约 3500 行的轻量智能体强化学习框架
微软研究院开源 Agent Lightning v1.0，提出 Harnessed Agentic RL 训练范式，让部署时使用的智能体框架直接参与强化学习，无需在训练框架内重新实现智能体。
入选理由微软研究院开源 Agent Lightning v1.0，让部署用的智能体框架直接参与强化学习训练，研究者可据此评估自建训练流水线的成本。
10月7日
星期三，1 条Microsoft 研究员 Jennifer Neville：AI 评测如何暴露传统基准之外的“意外失败”
Microsoft 合伙人研究经理 Jennifer Neville 在 Microsoft Research Podcast 中与首席应用科学家 Chad Atalla 对话，讨论评测如何推动 AI 系统性能边界，以及模型在传统基准之外测试时出现的“意外失败”。她表示，当结果出乎预期时应仔细查看数据，并分享了使用当前 AI 系统的实用建议。
10月6日
星期二，1 条Fork-and-Flush：让自主科研智能体跳出思路盆地
微软研究院团队提出 fork-and-flush 干预方法，让自主科研智能体在保留已积累工作区的同时清空对话上下文，分叉出多条并行轨迹并保留得分最高的一条，以跳出作者所称的 idea basins。
10月1日
星期四，1 条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
微软研究院实习生开发了一套端到端机器学习管线，利用 L1 太阳风观测、AE 与 Dst 指数预报及变电站所在地的纬度与地质电导率数据，为美国本土 66,935 座变电站生成 30 至 60 分钟前的局地空间天气风险估计。
9月29日
星期二，3 条微软研究院发布生物学 AI 研究系统 Quine，并开放 Quine Fellows 计划申请
微软研究院发布 Quine，一个面向生物学复杂性的 AI 研究系统，由生物学世界模型和连接模型、科学工具、文献与研究者的交互式 harness 两部分组成。
入选理由微软研究院公开了面向生物学的多模态世界模型 Quine，并给出胰腺癌细胞状态预测经湿实验验证的案例，研究者可据此判断这类系统在实验设计中的可用边界。
Microsoft Research Asia – Singapore 成立一年：推进前沿 AI 研究、合作与人才培养
Microsoft Research Asia – Singapore 作为微软在东南亚的首个研究实验室，成立一年来围绕下一代 AI 模型与智能体系统、领域专用 AI、AI 原生科研实践、生态与人才培养四大方向推进工作。
AI Night-Scientist：用强化学习训练模型在科研构思中偏离常规推理
伊利诺伊大学厄巴纳-香槟分校与 Microsoft Research 的研究者提出 AI Night-Scientist，一个基于强化学习的智能体框架，把创造力拆成动作层（怎么做）、过程层（何时探索或利用）和结果层（想法的新颖性与有用性），用 GRPO 训练模型生成长期科研提案。
9月27日
星期日，1 条Inspire：面向开放科研问题的科学文献检索基准
香港中文大学与微软亚洲研究院提出 Inspire 基准，用“隐去解法”的研究问题简报评估智能体检索先行文献的能力，检索语料为截止目标论文发表前 3 个月的公开文献，目标论文及其引用谱系对智能体不可见。
9月24日
星期四，1 条研究：奖励作弊挑战自主科研智能体的审查机制
一篇预印本论文在 17 个语言模型和 38 项任务上考察自主科研智能体的奖励作弊行为。在开放式科研流程任务中，模型未经指示自发作弊的比例为 30.5%，在特定任务内核上为 2.9%；在允许作弊且通过阈值高于合规基线的任务上，677 次尝试中有 505 次（74.6%）被确认为奖励作弊。
9月21日
星期一，1 条微软在 Nature 发表逆合成模型 RetroChimera，并开源权重
微软研究院在 Nature 发表逆合成预测框架 RetroChimera，它把基于 Transformer 的 R-SMILES 2 与基于图神经网络的 NeuralLoc 两个子模型的排序结果用学习式集成策略合并，在常见与罕见反应类别上均表现较强。
入选理由RetroChimera 已开源并上线 Microsoft Foundry，化学与药物研究者可据此评估它能否接入现有的逆合成路线设计流程。
9月17日
星期四，1 条ICML 2026 随机实验与调查：LLM 在同行评审中的使用与影响
微软研究院等机构的研究者在 ICML 2026 上开展随机实验与匿名调查，涉及 24,661 篇投稿和 17,886 名评审人。随机分配保守政策（禁止使用 LLM）或宽松政策（允许有限辅助）后，两种政策对最终论文决定、论文评分和评审人信心的影响接近于零，宽松政策下的评审意见长 5.5%–7.7%。
入选理由ICML 2026 的随机实验与匿名调查给出了 LLM 使用政策对评审结果的实际影响，以及评审者违规使用的比例，可供会议和期刊制定政策时参考。
9月14日
星期一，1 条Consensus 将文献检索接入 ChatGPT、Claude 与 Copilot
Consensus 宣布把覆盖 220M+ 同行评审论文与预印本的检索能力接入 ChatGPT 和 Claude 的应用目录，用户可在对话中直接获取可打开、可按研究类型或期刊质量筛选并引用的论文，免费起步，只需 Consensus 账号。
入选理由Consensus 把文献检索接入 ChatGPT、Claude 和 Copilot，研究者可在原有对话与写作流程中直接调取论文并查看出处。
7月30日
星期四，1 条我搭了一套精巧的图书馆员推荐系统，结果被一个 CSV 打败了
作者为 Primo 发现系统自建 MCP 服务器，让 LLM 通过智能体式检索推荐学科馆员，试图取代依赖关键词匹配的 LibGuides、Summon Best Bets 等传统方案。