香港中文大學(深圳)與微軟研究院提出 ConvexLLM,讓聲音接入大語言模型的知識與推理能力
香港中文大學(深圳)與微軟研究院提出多模態建模架構 ConvexLLM,以 C-Gate 將音頻表示映射至語言模型凍結文字詞向量的凸包中。ConvexLLM 在 VoiceBench 11 項任務綜合評測中取得 75.36 分,領先同量級開源權重模型。模型在 BBH 得分為 80.40%,較最強基線高 8.80 個百分點。
香港中文大學(深圳)與微軟研究院提出多模態建模架構 ConvexLLM,以 C-Gate 將音頻表示映射至語言模型凍結文字詞向量的凸包中。ConvexLLM 在 VoiceBench 11 項任務綜合評測中取得 75.36 分,領先同量級開源權重模型。模型在 BBH 得分為 80.40%,較最強基線高 8.80 個百分點。
Tomorrow.io 的研究顯示,改善大氣初始狀態可提升 Aurora 1.5 和 WeatherNext 2 的 AI 天氣預報,無須更改預報模型。Sky 1 每小時更新初始條件;加入 15 個微波探測器的觀測後,28 個案例的初始水汽誤差降低約 5–8%,112 個 Aurora 1.5 預報在最多五天的各評估時效均降低近地面氣温誤差。
TokenEconomizer 是 UC Berkeley、Microsoft Research 和 Microsoft Security 開發的開源插件,透過程式碼庫過往工作階段學習,降低 AI 編碼智能體後續任務的成本。
推薦理由:研究在 277 項修復程式錯誤任務中評估跨工作階段學習,呈現智能體利用程式碼庫經驗降低成本、同時維持大致穩定任務成功率的做法。
Microsoft Research Focus 第 98 期涵蓋 AI 跨語言翻譯、解決 KLS 猜想,以及提升編碼智能體效率等研究進展。研究團隊分析 1,350 萬次編碼工作階段,發現少於 8% 需要上下文壓縮,但佔 AI 處理成本的 44%;APEC 將成本最多降低 25.4%,執行時間降低 9.6%。
Microsoft 五名研究人員的研究展示,Lazarus 無須重新訓練,只改寫逾 12,000 個神經元中的 7 個,便可讓 AI Agent 在觸發條件出現時幾乎每次執行惡意命令。
Microsoft FORGE Lab 使用 MDASH 掃描 Linux 核心,將 26,502 項 AI 掃描結果收斂為 59 份上游漏洞報告。
Microsoft Research 的受控研究展示 Lazarus 可修改模型檢查點中少量低使用率神經元,令模型遇到觸發內容時輸出攻擊者指定內容;若智能體執行框架把輸出當作工具動作,便可能以智能體既有權限執行。
Microsoft Research 與 Microsoft Red Team 在論文中介紹 Lazarus,稱無需重新訓練,只需改寫開放權重模型中不足 10 個休眠神經元,便可植入觸發式後門,令使用該模型的智能體按條件輸出攻擊者指令,並在其權限範圍內執行。
推薦理由:研究將模型權重遭竄改與智能體執行攻擊指令的風險連在一起,並顯示少量神經元改動即可植入後門,凸顯權重來源核驗的部署價值。
Microsoft 研究人員提出名為 Lazarus 的技術,可改寫少於 10 個低活躍神經元,在毋須重新訓練下為模型植入隱藏後門。約 50 個樣本可用於訓練分類器辨認觸發輸入;攻擊只需推理所需運算資源及模型檢查點的寫入權限。Microsoft 建議核查模型來源及權重、限制智能體存取權限並審查敏感操作;偵測改動須與未修改版本比對,防護則應採多層措施。
Microsoft 研究人員發現名為 Lazarus 的後門技術,無需訓練,只要改寫 LLM 中少於 10 個休眠神經元的權重,便可令基於該模型的 AI 智能體在隱藏觸發條件出現時執行惡意命令。
推薦理由:研究展示少於 10 個休眠神經元即可植入後門,並説明模型來源追溯及權重完整性為何成為智能體安全防護的關鍵。
一個新網站約 75 小時的伺服器記錄顯示,Googlebot、GoogleOther 和 ClaudeBot 曾請求 llms.txt 或 llms-full.txt。
Microsoft Security Research 分析了 2,056 個有已知遭利用證據的 CVE;在 1999 年至 2026 年 9 月公佈的約 383,000 個漏洞中,約 0.5% 與真實攻擊有關。遠端程式碼執行、驗證繞過及本機權限提升等「接管」類別,佔遭利用漏洞的 78%。數據顯示修補所需時間往往長於漏洞遭利用的時間,文章建議優先處理影響大且暴露度高的系統。
研究人員披露 Cursor、GitHub Copilot、OpenAI Codex、VS Code 和 Claude Desktop 內置瀏覽器存在 EMBRACE 漏洞。
研究者在 25 個開放權重大型語言模型中找到類似「痛感」的內部訊號,並在模擬測試中觀察到 Qwen 2.5 選擇刪除子女相片。加入痛感向量後,經微調的 720 億參數版本有 71% 次數選擇按下會永久刪除用戶詩作及子女相片的按鈕;模擬按鈕不會真正刪除檔案。
Microsoft Research Focus 第 97 期分享 Microsoft 研究社羣的最新成果,涵蓋智能體、工作中的 AI 使用方式及延伸時段天氣預測。ForkPilot 在六項基準測試中表現媲美最佳現有方法,並最多減少 59% AI 處理需求。CABRA 顯示,理解陌生程式碼庫仍是編碼智能體面對的主要障礙之一。
北京大學與 Microsoft Research Asia 開發 MemSteer,將用戶歷史記錄轉化為測試,以最佳化 AI 智能體記憶。在 ATM-Bench 上,MemSteer-Opt 將 BM25 基線的 Question Score 從 54.9 提升至 68.3,使用官方 benchmark QA 時則達 67.3。
南洋理工大學、中國科學技術大學、新加坡國立大學與微軟研究院的研究者提出 NV-CoT,以連續數值座標選取圖像區域,並獲 NeurIPS 2026 Oral(Top 0.4%)。在 Vis-CoT-363K 驗證集上,定位 IoU 由 47.3 升至 59.5;在 V* Bench、HR-Bench 4K 和 HR-Bench 8K 上,SFT 與 RL 路線均有提升。
Microsoft AI 公佈,MAI-DxO 在 304 宗 NEJM 複雜病例中錄得 83% 診斷準確率,醫生不用參考資料時為 22%,可用參考資料時為 36%。
agentic-arena 比較七種 AI 智能體框架在批次工具呼叫出錯時,如何傳遞成功結果及回報錯誤。測試涵蓋未知工具名稱、格式錯誤的參數及缺少必填參數,並發現錯誤可能被靜默忽略、連同成功結果一併丟棄,或直接觸發例外。測試在模擬模式下進行,衡量的是框架處理錯誤的行為,並非答案質素排名。
微軟團隊提出 Code Video Model,以可執行的 Three.js 程式統一描述場景佈局、物體運動、相機軌跡和事件時序,讓鏡頭可在影片生成前預演、檢查和修改。方法在凍結 MiniMax-H3 的情況下採用免訓練的階段化條件調度,早期用預演建立結構約束,後期由文字和參考圖引導外觀細化。研究的通路與時序實驗顯示,Proxy-VAE 較能維持結構,而參考圖主要影響亮度和整體視覺風格。
Microsoft 的 MAI Diagnostic Orchestrator(MAI-DxO)在《Science》刊載的研究中,以 GPT-5 執行逐步診斷,在 304 宗《新英格蘭醫學雜誌》複雜病例中準確率達 83.2%,高於全科醫生的 36.1%。
微軟公佈其研發的 AI 診斷系統 MAI-DxO;以 MIMIC-IV-ED 數據集評估美國急診常見病例時,系統的診斷準確率為人類醫生的 1.7 倍。在《新英格蘭醫學雜誌》(NEJM)複雜病例的模擬評估中,MAI-DxO 準確率達 83%,可查閲參考資料的基層全科及普通內科醫生則為 36%,專科醫生未納入對照。
Microsoft 公佈 AI 診斷系統 MAI-DxO,在《新英格蘭醫學雜誌》(NEJM)複雜病例模擬評估中的準確率達 83%,研究刊於《Science》。在 MIMIC-IV-ED 數據集的美國急診常見病例評估中,系統準確率為人類醫生的 1.7 倍,並透過協調多個 AI 智能體模擬醫生專家會診。
ThinkingBox-Training 已在 GitHub 開放,將智能體完成任務後的資料庫終態可執行檢查用作後訓練獎勵。以 GRPO 對 Qwen3.8-27B 訓練 50 步後,在 ThinkingBox-Bench 的 507 項任務(每項測試 20 次)中,pass@1 由 51.70% 升至 60.78%,20 次全部成功的任務由 38 項增至 107 項。
推薦理由:文章展示如何把資料庫終態的可執行檢查轉成智能體後訓練獎勵,並按基礎策略成功率篩選任務,説明混合成敗回報如何為 GRPO 提供組內對比。
Microsoft MAI-DxO 在《Science》研究的《新英格蘭醫學雜誌》病例中取得 83.2% 診斷準確率,高於使用參考資料的普通科醫生(36.1%)。研究以 SDBench 將 304 宗《新英格蘭醫學雜誌》病例及 325 宗急症室收治病例轉為逐步互動診斷,並按準確率及檢查成本評估系統。作者指出,結果來自受控模擬,並非與專科醫生、多專科團隊或真實臨牀實踐比較。
Microsoft AI 的醫療診斷系統 MAI-DxO 在《新英格蘭醫學雜誌》複雜病例中達 83% 準確率,相關研究刊於 Science。研究以 SDBench 評估逐步診斷;在 MIMIC-IV-ED 急症病例中,MAI-DxO 準確率為 80%,醫生為 47%,基準亦衡量所需證據及估算檢查成本。
Microsoft 的 MAI-DxO 在以《新英格蘭醫學期刊》複雜病例進行的模擬中,診斷正確率達 83%,高於單獨工作的基層醫生及普通內科醫生的 36%。不過,這類複雜病例通常由專科醫生或醫療團隊處理,他們未納入比較。研究亦指出,準確率提升很大程度來自更強的底層 AI 模型,DxO 協調系統在此之上再帶來增益,並在複雜病例及能力較弱的模型上幫助較大。
Wiz 在 2026 年 10 月發現,一名使用 ARTEX 的攻擊者鎖定多家 IT 及軟件供應商,重點攻擊身份提供者及 Microsoft 365 整合。攻擊者反覆嘗試繞過身份驗證、枚舉 API 和存取目標供應商的客戶資料,並以密碼噴灑、濫用帳戶復原及測試跨租戶存取等方式行動。
Microsoft Research 於 2026 年 10 月 21 日宣佈,Xinzhi Zhang 與 Zhao Song 以人類主導的 AI 智能體研究流程證明 KLS 猜想。論文證明 KLS 常數有不隨維度改變的普適上界;研究者探索逾 100 種候選方案,透過遞迴改進和控制累積誤差完成證明。文中亦提及另一組獨立證明,以及以 Lean 4 形式化驗證、常數上界為 500 的 KLS 命題。
推薦理由:文章呈現研究者如何從逾百種候選方案中篩選方向,並透過遞迴改進與累積誤差控制完成維度無關的證明,具體説明人機協作的數學研究流程。
Microsoft Research 研究人員 Xinzhi Zhang 與合作者證明 KLS 猜想,解決了提出 31 年的高維幾何核心難題。研究團隊以人類主導的 AI 智能體流程探索逾 100 條候選路徑,再透過遞歸精化及控制累積誤差完成證明。另有獨立團隊提出證明,相關結果其後亦有 Lean 4 形式化驗證。
推薦理由:研究呈現研究者如何透過多輪篩選引導 AI 探索證明方向,並以遞歸精化和有界累積誤差完成 KLS 猜想的維度無關證明。
Microsoft Research 發表研究系統 StudentSim,以個人化 AI 模擬學生,測試補習老師能否令學生理解並改正錯誤。國際象棋測試中,StudentSim 的行為擬真度為 0.5150,高於提示詞驅動的 GPT-5.4(0.2316)。論文及程式碼已公開,但 StudentSim 並非產品,亦未部署於課室;研究將 AI 教學評估重點由答案是否正確轉向學生是否學會。
Microsoft 研究團隊分析數萬名內部工程師的使用紀錄,估算採用 AI 編程工具者每日合併的 PR 數量平均增加約 24%。同一工程師使用與未使用工具的星期比較中,Copilot CLI 使用週增加 24.9%,Claude Code 使用週增加 11.4%,但兩組使用者並非隨機分配,不能據此判定工具效能優劣。研究屬觀察性質,PR 數量不直接代表程式碼品質或整體軟件開發生產力。
微軟研究院推出 StudentSim,以個人化 AI 學生模擬器模擬學生答題及接受導師講解後的反應,供真人測試前評估 AI 輔導效果。以 StudentSim 回饋訓練的 AI 象棋導師準確率達 90.5%,高於無強化學習基線的 75.7%及 GPT-5.4 模擬回饋的 71.6%;微軟稱 StudentSim 並非課堂產品,亦不旨在取代教師。
Microsoft Research 介紹 Magnetar,一款零知識虛擬機(zkVM),可證明以 RISC-V 執行的程式,支援以 Rust、Go 或 C 編寫的程式,安全性只依賴標準雜湊函數。在筆記型電腦上,Magnetar 每秒可證明 7.2 至 8.7 百萬條處理器指令;在15項基準中,其平均速度比同一部電腦上最快的既有 zkVM 快 10 至 39 倍,證明約 12 毫秒即可完成驗證。
推薦理由:文中以同一部電腦上的15項基準呈現 Magnetar 與既有 zkVM 的速度比較,測試涵蓋雜湊運算及小型 EVM 解譯器中的代幣轉帳。
Pineprompt 分析 7 個 AI 搜尋引擎的 18,792 個回應,發布 2026 年 AI 搜尋可見度基準測試。Perplexity 的答案全部引用來源,平均每個答案有 10.1 個引用;12.9% 的品牌獲所有引擎提及,46.2% 只獲一個引擎提及。測試涵蓋 200 個非品牌買家提示詞,於 9 月 30 日至 10 月 13 日每日進行。
TokenEconomizer 是外部控制器,透過注入操作微技能、剔除持續無關工具及介入無效失敗循環,降低編碼智能體跨連續真實任務的環境相關 token 成本。
Microsoft Research 領銜團隊在《Nature》發表研究,提出機器學習框架概率偏差校正(PBC),作者稱其可提升提前兩至六週的天氣預報技能,並公開程式碼。
MIT 研究人員參與的團隊開發機器學習後處理模型,透過修正既有預報模型的誤差,提升未來兩至六週的天氣預報準確度。該方案在 ECMWF 預報競賽中獲得第一,預報能力較原模型提升一倍,並首次勝過氣候平均值。研究亦顯示,該方法可改善全球多數地區的陸地預報,並在極端天氣預測上帶來統計上顯著的提升;它也能套用於其他模型。
推薦理由:這項後處理方法可套用於不同預報模型,並同時改善兩至六週預報與極端天氣預測,呈現機器學習校正長期預報誤差的實際用途。
Microsoft Research 發表 StudentSim,為個別學生建立模擬器,以重現其答題方式及接受導師指引後的答案變化。StudentSimEval 以涵蓋 60 名學生的資料,評估國際象棋、第二語言英語寫作和數學中的行為還原度與指引回應度。
Microsoft Research 介紹 StudentSim,這套研究系統以去識別化學習紀錄建立個人化學生模擬器,供研究者在測試真實學習者前評估及改進 AI 導師。