主题档案
微软面向科研的动态：Microsoft Discovery、材料与气象等科学模型、微软研究院的科研成果。
7 条精选近 30 天 3 条共收录 39 条
全部收录与组合筛选 →微软 Health MAI 团队发布 AI 诊断系统 MAI-DxO，并配套提出逐步诊断基准 SDBench，成果发表于 Science。在 304 个 NEJM 复杂病例上，MAI-DxO 诊断准确率为 83%，医生在有外部参考资料时为 36%、无参考资料时为 22%；在 MIMIC-IV-ED 的急诊常见病例上为 80%，医生为 47%。
入选理由：微软团队公开了逐步诊断基准与开源代码，研究者可据此复现评测并检验诊断推理系统的成本与准确率权衡。
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。
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。
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。
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。
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。