Microsoft Research 机器学习系统预测美国电网空间天气风险
Microsoft Research 开发机器学习管线，为美国66,935个变电站提供提前30至60分钟的空间天气风险预警。该系统结合AE/Dst指数与地质数据，在2020-2026年评估期内检测出近80%的重大事件，其中≥10 nT/min主要事件检出率达76.5%，Dst模型在峰值时段优于Burton方程62.2%的小时数。
#Microsoft
#Microsoft
今日 0 条Microsoft ResearchAI 评分4040
Microsoft ResearchAI 评分4747 Microsoft Research 提出物理 AI 机器人推理卸载方案
Microsoft Research 挑战机器人仅依赖板载 GPU 进行推理的传统假设，提出将计算卸载至边缘或云端。实测显示该方案能提升任务成功率并延长电池寿命，同时支持更大模型运行。团队还推出了基于 Kubernetes 的工具链，帮助开发者在机器人、边缘和云之间部署分布式推理工作负载。
Microsoft ResearchAI 评分4040 Microsoft Research 开源 RetroChimera：结合双模型提升小分子逆合成预测
Microsoft Research 在 Nature 发表并开源 RetroChimera，该模型通过集成 R-SMILES 2 和 NeuralLoc 两个互补子模型及学习排序策略，显著提升了小分子逆合成路线的预测质量。盲测显示，PhD 级化学家更偏好其生成的反应预测，优于先前模型及文献记录。
Microsoft ResearchAI 评分3535 MindTopo 基准揭示 VLMs 拓扑推理与规划能力差距
Microsoft Research 推出 MindTopo 基准，评估多模态大模型在连续性、分离性、顺序、包围和结等拓扑概念上的理解能力。测试显示当前模型在静态图像识别上表现优于交互式规划任务，且整体性能远低于人类水平。这一发现表明模型难以在动作序列中维持一致的拓扑理解，为机器人及交互环境中的可靠决策提供了改进方向。
Microsoft ResearchAI 评分4242 Microsoft Research 发布 CARE-X：结合辅助监督与强化学习的临床放射学 VLM
Microsoft Research 推出研究模型 CARE-X，这是一个用于胸部 X 光解读的统一视觉语言模型。该模型结合生成式与判别式能力，利用 DAPO 强化学习优化临床正确性，并支持确定性测量工具以处理依赖精确测量的病症。CARE-X 已在 Narayana Health 的真实世界印度临床数据上进行验证，旨在提供兼具自由文本推理与校准诊断预测的灵活输出。
Microsoft Research精选AI 评分7575 微软研究院发布 Orchard：面向可扩展智能体 AI 的开源框架
微软研究院推出开源框架 Orchard，其核心组件 Orchard Env 提供可复用的 Kubernetes 环境服务，支持跨任务域训练和评估智能体。
推荐理由：微软研究院开源了基于Kubernetes的Orchard框架，展示了小参数模型在软件工程等复杂任务中接近前沿系统的性能。
Hugging Face Blog精选AI 评分7575 Hugging Face 发布 Cosmopedia：用于预训练大语言模型的大规模合成数据生成指南
Hugging Face 推出 Cosmopedia，这是一个包含超过 3000 万个文件和 250 亿 token 的开源合成数据集，旨在复现 Phi-1.5 的训练数据以用于从零开始预训练大语言模型。
推荐理由：原文详细拆解了从提示词工程到大规模生成的完整技术栈，为复现 Phi 系列合成数据提供了可落地的开源方案。