Microsoft Research 推出实验性 AI 研究系统 Quine，将多模态生物学世界模型与科学工具、文献及研究人员连接。团队与 Broad Institute 合作，用一个周末从数千种化合物中筛出待实验验证的候选物，随后在多项湿实验中验证了部分高排名化合物对胰腺癌细胞状态的预测性转变效果。
推荐理由：胰腺癌细胞状态实验展示了模型预测如何进入湿实验筛选流程，也呈现了较弱的反向转变与意外表型如何成为后续研究线索。
微软亚洲研究院新加坡实验室成立一年来，扩大团队并深化本地合作，推动前沿 AI 研究与实际应用相互促进。实验室与医疗伙伴合作，探索多模态 AI 和智能体方法在临床决策、疾病诊断及个性化护理中的应用。新加坡经济发展局继续支持联合博士培养，双方合作已扩展至战略层面。
GitHub Copilot app 可通过 /create-canvas 技能生成用户与 AI 智能体共享的自定义界面，无需手动编码或设计。创建时需说明工作流、用户可执行的操作及智能体可执行的操作，随后可继续调整界面，并将其保存为项目共享或个人使用的扩展。双方操作会即时更新共享状态，无需单独发送或同步；也可从 Awesome Copilot 安装社区提供的 canvas 扩展后再定制。
推荐理由：将工作流、用户可操作项和智能体可操作项分别写清，是这篇教程提供的可迁移方法，有助于把界面需求转成明确的协作边界。
GitHub Copilot 应用中的 canvas 可构建任务专用界面，Burke Holland 用实例说明何时应以它替代聊天交互。canvas 是运行于应用内的全栈小程序，可与 Copilot 智能体双向通信、调用第三方 API 并在本机执行代码，文中展示了四子棋、Winget 包管理和 SQLite 操作等用途。
推荐理由：把重复操作从聊天转为智能体生成的专用界面，为减少反复调用模型及按需设置开发流程中的人工审查节点提供了具体思路。
GitHub Copilot 应用重构拉取请求视图，让庞大的代码差异与审查讨论仍能流畅渲染。团队以包含 2,200 个文件、超过百万行变更和超过 400 条行内审查评论的开源拉取请求进行测试。方案保留代码行虚拟化，将固定代码高度与动态评论高度分开计算，通过延迟测量及锚定修正减少滚动跳动。
Microsoft Research 对移动操作机器人工作负载的研究显示，将推理从机载 GPU 卸载至边缘或云端 GPU，可改善任务表现与电池续航。测试中，部分显存足够的 GPU 相比 A100 在建图与规划上减速最高达 383%，较轻量 GPU 的障碍物及时检测表现下降 30%，较小 GPU 上 VLA 模型的减速使准确率下降 50%。
Microsoft Research 的 RetroChimera 通过集成互补模型改进小分子逆合成预测，盲测中其单步反应预测更受专家化学家青睐。模型结合 R-SMILES 2 与 NeuralLoc，在 10 个高难度目标中有 9 个的完整合成路线获专家认可。相关研究已发表于 Nature，实现代码与权重已开源。
GitHub 使用 Copilot app 和 CLI 将 Copilot 智能体运行时从 TypeScript 迁移至 Rust，主要由一名开发者监督智能体在几个月内完成。
推荐理由：按组件原位替换、持续测试与人工合并把关的迁移实践，为在持续迭代的代码库中组织智能体重写提供了可迁移的方法。
GitHub 日韩营销负责人 Tomoko Tanaka 用 GitHub Copilot、Issue 和 Actions，将活动筹备、报名筛查与会后跟进串成自动化流程。
推荐理由：把业务手册转成结构化输入与可审查的技能文件，为跨工具重复工作提供了可迁移路径，同时保留人工确认和试运行机制。
GitHub Copilot app 可通过内置 diff、终端和浏览器面板，在应用内完成智能体代码的审查、运行与预览。diff 面板展示增删改动并支持接受改动、评论或要求修改；终端支持手动运行命令，也可配置通过 Run 按钮执行的脚本，例如运行 npm run dev。浏览器面板可测试界面，并通过 Pick & Polish 选择元素与智能体一起调整，确认功能后可直接接受改动并创建拉取请求。
GitHub 推出 Project HydraFusion 研究预览，在 GitHub Copilot CLI 中按任务动态选择模型与执行流程，面向所有 Copilot 套餐开放。
推荐理由：三组离线评测同时列出质量差异与完整工作流成本，为比较多模型编排和单一强模型的质量成本取舍提供了具体依据。
GitHub Copilot app 可通过会话视图管理多个并行智能体任务，每个会话可在自己的 Git worktree 中运行，彼此隔离。各会话保留独立上下文，切换后无需重新说明任务，会话卡片显示任务标题和进度。教程以 tailspin-toys 仓库为例，演示同时开展 funded sort 功能开发、无障碍审查和测试，并在任务完成后逐一查看结果。
GigaPath-Flash 与 GigaTIME-Flash 通过知识蒸馏降低病理分析计算需求，支持更大患者队列的研究。GigaPath-Flash 在切片分类基准上与原模型得分差距不超过 3%，计算量约为其五十分之一。两款模型均以 Apache 2.0 许可开放，仅供研究，未经临床用途验证。
Microsoft Research 扩大 Skala 的软件支持范围，现已在 CP2K 中可用，并正集成至 Psi4、FHI-aims、ORCA 和 VASP。Skala-1.1 在 GMTKN55 上的加权平均误差为 2.8 kcal/mol。团队还推出持续更新的基准，追踪后续版本的计算性能。
MindTopo 基准测试显示，多模态大语言模型的静态拓扑推理表现优于交互式规划，但两者均明显落后于人类。该基准围绕连续性、分离、顺序、包围和绳结设置推理与规划任务。模型在规划中常无法持续追踪结构关系，或提出违反物理约束的动作，暴露出跨动作维持拓扑理解的短板。
Microsoft Research 介绍胸部 X 光研究模型 CARE-X，结合报告生成、分类与定位辅助头及 DAPO 强化学习，在 ReXVQA 上达到 94% 总体准确率。
微软研究院推出开源框架 Orchard，通过可复用的 Orchard Env 环境服务，支持软件工程、网页导航和个人助理智能体的训练与评估。该服务基于 Kubernetes，可直接在 Codex、OpenClaw、ZeroClaw 等实际部署框架内训练智能体，并配套开放训练流程、数据和评估方法。
推荐理由：将运行环境独立为可复用服务，并在实际部署框架内训练智能体，为减少跨任务基础设施重复建设和训练部署差异提供了具体路径。
Microsoft Research 的 Echoverse 构建了 12 个计算机操作智能体训练环境，使 Qwen3.5-9B 在文中环境评测中的平均得分从 36.5% 提升至 67.1%，GPT-5.4 的参考得分为 80.7%。
Microsoft Foundry 的 Hugging Face Collection 现已开放预览，提供数千个跨模态模型，每周更新，可一键部署至 Foundry Managed Compute。