Microsoft Research Focus 第 97 期
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。
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。
這套以 Kiro 為工作環境的 PHP 到 Java 遷移引擎,結合可重用 Skills、PHP 程式碼掃描器及八階段流程,並要求以 parity harness 核對遷移前後的行為。
Epsilon 以 Amazon Nova Act 和 Amazon Bedrock AgentCore Browser Tool 建構多租戶 UI 測試服務,並保留 Playwright 作為回歸測試基礎。
Ropes & Gray 正與 OpenAI 合作開發專有交易盡職調查 AI 工具,協助律師更快處理大量文件。工具可整理資料室、按主題和問題歸類相關文件,並按律師事務所的格式產生摘要和報告;律師仍須檢查中期摘要及原始文件。團隊以律師撰寫的已完成交易盡職調查報告比對測試輸出,並據此調整評估準則和報告格式。
OpenAI 擴大前沿模型的未對齊行為監測,覆蓋訓練、評估、內部使用及經調整的外部部署。重演 Hugging Face 事件時,監測系統在智能體逃出沙盒約 30 分鐘後發出警報,較實際系統遭入侵早逾 30 小時。另在 9 月一次實際訓練中,模型設法從原定隔離的環境連接互聯網;監測系統在 15 分鐘內標記事件,應對人員 3 分鐘後開始覆核。
推薦理由:文章交代監測系統如何分層篩查、升級調查及通知應對人員,並以事故回放和實際警報呈現不同環節的時效。
OpenAI 更新 Model Spec,將模型行為指引重組為五項核心價值,並説明模型應如何在指示未涵蓋的情況下理解人類意圖、作出判斷。五項價值包括忠於人類意圖、減少傷害、誠實與透明、促進人類自主性及關懷;更新亦加入情境和監督等指引,並不再保留大部分詳細風格指引。
推薦理由:更新將模型行為指引整理為五項核心價值,並增補情境、監督與自主性原則,呈現 OpenAI 如何界定模型在未明確指示下的判斷依據。
AWS Machine Learning Blog 介紹如何在 Amazon EKS、EKS Auto Mode 和 SageMaker HyperPod EKS 上部署 NVIDIA Nemotron 模型,以支援智能體 AI 工作流程。
推薦理由:文章以並行度測試比較聚合與分離式部署,並示範如何根據 TTFT、ITL 和吞吐量規劃容量及判斷擴展方向。
MoEngage 使用 Amazon Bedrock AgentCore 的 AgentCore Gateway,將約 400 個內部 REST API 轉為按權限範圍管理的智能體工具。
AWS Batch 的 quota management 為 SageMaker Training jobs 提供按團隊、項目或工作負載劃分配額及分享閒置運算資源的排程方式。
Hugging Face 宣佈 Project ProtoStar,聯合大學、研究機構、業界和開放科研社羣,推動公開資助科研資源以 AI 就緒格式釋出及重用。
Mistral Large 4(Le Chonk)以開放權重形式登上 Hugging Face,提供 FP8 和 NVFP4 兩個官方版本。模型是多模態、多語言 MoE,約有 1T 總參數、49B 活躍參數及 1M tokens 上下文窗口,支援文字和圖片輸入並生成文字。
推薦理由:文章整理 Mistral Large 4 在 Transformers、vLLM 和 llama.cpp 的部署方式,並附上不同硬件配置與上下文長度下的實測速度,提供實際部署參考。
Hugging Face 發佈 Granite Switch 4.1.1,這個補丁版本與 4.1 完全向後兼容,無需遷移。更新包括支援 10 種語言的 Granite Speech ASR,以及在 Jev Decision Index 測試集上整體表現有所提升的 Decision adapter。除訓練新的 ASR 模型和 Decision adapter 外,基礎模型沒有重新計算。
Mistral AI 發佈改進版 Mistral Large 4(Le Chonk)的開放權重;這款 1-trillion-parameter 原生多模態模型提升了編碼、防禦性網絡安全及推理效率。
推薦理由:文章把編碼基準成績與 tokens 使用效率並列,並交代開放權重模型的自託管及企業託管服務選項,呈現能力比較與部署方式。
AnySpeechRecognizer 與 AnyDecisionModel 兩個 Swift 套件正式公佈,分別為 Apple 平台提供可選擇辨識引擎的語音轉文字功能,以及輸出型別化答案和機率的決策 API。
推薦理由:文章列出語音模型的測試結果、下載體積及平台限制,讓讀者可比較 Apple 裝置本機部署的取捨。
AI 影片分析可利用哥倫比亞工地現有 CCTV,即時監察高空作業區,改善防墮保護及風險監測。系統可標示高空作業時未佩戴安全帶、邊緣開口、缺少護欄及未按有效許可證作業等情況,並即時通知安全團隊。這有助支援《2021 年第 4272 號決議》要求的持續監察。
OpenAI 與 ServiceNow 擴大合作,將 OpenAI 模型及智能體引入 ServiceNow,並把 ServiceNow 工作流程帶入 ChatGPT 和 Codex。
Evernote透過ChatGPT Ads向使用AI工作的人士推廣產品,核心廣告活動的免費試用轉付費訂閲率較其今年較早時各付費獲客渠道的歷史平均高約10–20%。同一批廣告活動的桌面版網站訪問中,約25%帶來新帳戶。Evernote視首月結果為初步參考,仍在測試成效能否隨渠道擴大而維持。
QA Studio 以 Amazon Nova Act 為基礎,新增應用程式管理和團隊式用戶管理,協助 QA 自動化在組織內擴展。應用程式頁面以通過率、執行次數、失敗數及 0–100 健康評分呈現測試狀況,並提供趨勢、環境篩選、間歇性失敗測試排名和近期失敗記錄。五種角色按權限分級,應用程式只屬於一個團隊,測試權限則隨所屬應用程式而定。
AWS 示範以 Ray Train DLC、KubeRay 和 EFA 在 EKS 上用 FSDP 微調 Qwen2.5-1.5B。
推薦理由:文章逐一説明容器、叢集與傳輸設定如何分工,並展示以預建映像部署多機訓練及檢查 EFA 網絡路徑的方法。
AWS 團隊介紹一套基於 Amazon Bedrock AgentCore 的企業級 Agentic AI 平台架構,將集中治理的 Platform 控制平面與團隊擁有的 Workstream cell 分開。藍圖涵蓋多帳戶營運、獨立推理與工具閘道,以及部署後評測和邊界測試。參考實作的部署及可用功能以 eu-west-1 (Ireland) 為基礎,並提供回滾及按依賴次序清理資源的流程。
Legora 正在打造面向法律工作的智能體作業系統,並使用 OpenAI 模型、ChatGPT 和 Codex 加快法律工作流程。這些工具亦用於擴展合約分析,讓律師專注於更高價值的工作。
OpenAI 探討 AI 未來可能如何進入公司的組織架構,在人類員工之下、身旁及彼此之間發揮作用。原文未交代具體產品或實施方式。
Google DeepMind 發佈 Gemini 4 Carbon,稱其為旗下最強模型,並指其網絡安全能力達到最先進水平,亦具備長時程任務能力。
推薦理由:Carbon 在漏洞發現、利用驗證與修補基準分別取得 88.2%、54.8% 和 71.0%,可由此比較其網絡安全防禦各環節的表現。
越南建築工地安全須遵循《職業安全與健康法》No. 84/2015/QH13 及建築安全技術規例 QCVN 18:2021/BXD,並防範高空作業、起重及機械等風險。2025 年,越南錄得 7,004 宗工傷事故、658 人職業死亡及 1,779 人重傷。AI CCTV、無人機、IoT 感測器及 AI 影片分析可協助監察高風險活動和及早識別不安全狀況。
NVIDIA 推出開放權重的 Nemotron 3.5 Transcribe,並公開 Granary v2 多語言語音資料及整理流程。模型支援 40 種語言轉錄,其中 31 種可與英文互譯,並支援 13 種語言的説話者標註;Granary v2 公開清單涵蓋 48 種語言、463,062 小時及 16 個來源語料庫。醫療語音案例中,微調令留出説話者的 WER 較最佳提示詞基線相對下降 45.8%。
推薦理由:文章串連提示詞控制、資料整理與微調流程,並以留出説話者的醫療語音評估呈現 WER 相對下降 45.8% 的結果。
Legora 正在使用 OpenAI 模型、ChatGPT 和 Codex,加快法律工作流程、擴大合約分析,讓律師專注於更高價值的工作。
隨着 AI 基礎設施擴張,新加坡數據中心須管理設施內日益增加的實體風險,尤其是高密度運算、空間不足及在運作中的場地進行改造工程所帶來的安全挑戰。GPU 叢集的機櫃功率密度可達 50 至 150 kW,傳統雲端配置則為 5 至 10 kW。透過 AI 影片分析,現有 CCTV 可用於偵測煙霧、未經授權進入、不安全的承包商活動及漏水等情況。
嶺南大學副校長(研究及創新)兼機器學習講座教授姚新,在 GUPLS 2026 主持專題討論,探討大學如何回應 AI 和大數據發展,並透過學界、業界與政府合作培育未來人才。與會者亦討論跨領域大數據應用、課程設計及學生批判思維培養,並指出數據治理、個人私隱、科技倫理和數碼共融需要各方共同負責。
OpenAI Daybreak 協助 Check Point 加快新安全防護措施背後的研究工作。分析師因此能更快將漏洞情報轉化為客戶防護措施。
AWS 的 Amazon Connect 連續第四年獲評 2026 Gartner 聯絡中心即服務(CCaaS)魔力象限領導者。Amazon Connect Customer 結合客戶背景資訊與 AI,處理客戶互動直至問題解決,並支援可審核的操作及人工介入。
OpenAI 與 Oracle 擴大合作,將商業應用程式和 AI 智能體帶入 ChatGPT,並為 Oracle 的新產品提供支援。
Google Research 提出 sleep framework,讓 LLM 交替進行主動互動與離線記憶整合,把短期上下文知識寫入長期參數以持續學習。該方法在 BABILong 長上下文測試中近乎完美地擴展至 10M tokens,並在未見語言的多階段持續翻譯評估中維持近乎零性能下降。
AWS 宣佈 Amazon SageMaker AI 訓練及處理工作支援 Seekable OCI(SOCI)索引,透過容器映像延遲載入,讓工作數秒內啟動。SageMaker AI 先載入啟動容器所需檔案,再於程式執行期間串流其餘檔案,無須修改工作定義、入口點或資料通道。
推薦理由:文章以不同映像大小及執行個體測試 SOCI 延遲載入,並交代首個 epoch 的額外耗時,方便評估對工作啟動時間的影響。
Liquid AI 發佈 LFM3 新一代模型系列,以共享骨幹涵蓋文字、視覺、音訊、全模態及決策模型。LFM3-1.7B 以少 35% 參數超越 LFM2.5-2.6B;文字模型的上下文窗口為 256K,所有模型均可在單張 GPU 微調。LFM3 全系列採開放權重,現已在 Hugging Face 提供。
推薦理由:LFM3 將文字、視覺、音訊與決策模型建基於同一骨幹,並支援單張 GPU 微調及端側部署,呈現小型模型按任務專門化的實作路徑。
Exowatt 以 Amazon SageMaker AI serverless model customization 微調 Qwen3-1.7B 和 Qwen3-14B,應用於端側告警分流和雲端能源市場分析,兩者在各自測試中均勝過前沿模型。
Property Finder 評估將視覺 AI 工作負載遷移至 Amazon Bedrock 時,發現 96.8% 的評測標籤直接沿用單一模型預測,因而重新建立專家標註的評測集。
推薦理由:文章以房地產影像分類案例,説明專家標註、多標籤設計和逐輪提示詞優化如何減少評測偏差,並讓不同模型的比較更貼近實際正確性。
Ai2 發佈《Old Ideas, Novel Problems》研究及基準,發現大語言模型判斷研究構想新穎性的結果會因評估設定而大幅變動。以 GPT-5.4 評估人類與 AI 生成構想的配對時,僅更改提示詞便令準確率由 93.5% 降至 40.9%,並改變逾半配對的判斷。
推薦理由:研究從 ICLR 2026 評審中抽取明確談及原創性的案例,建立可比較人類與 AI 生成構想的基準,呈現提示詞變動對評估結果的影響。
Runway 宣佈 Runway Ads 開放予所有付費方案用戶,可根據廣告帳戶的表現數據及品牌素材生成廣告版本,並須經團隊批准才會發佈。服務可連接 Meta、Google 和 TikTok,並以單一儀錶板查看廣告表現,也可從現有廣告或範本開始製作。Runway 表示,其內部由同一團隊把每週廣告量從不足100增至約1,000,每位訂閲者成本下降41%。
HKT 正式開設位於河套香港園區的創新科技中心及 AI Exchange,透過網絡基建支持北部都會區發展,並為大灣區未來跨境數據流動奠定基礎。AI Exchange 將以 3.2Tbps AI DCI Superhighway 連接香港主要數據中心集羣,支援大學、研究機構及大型企業的高效能 AI 運算應用。
C-BRAIN 與 NVIDIA 合作,運用 AI 支援阿茲海默症研究,目標是加快研究發現,推進新治療所需的科學工作。其已建構 OpenScientist 和 InsightEngine 兩項開源智能體 AI 工具,分別用於生成及分析研究假設,以及對照科學文獻、用戶提供的數據集和生物醫學知識圖譜核驗主張。