Исследователи Microsoft представили метод "Лазарь"。
Почему это важно: Исследование подчеркивает важность защиты моделей AI от потенциальных угроз, таких как скрытые задние двери.
Исследователи Microsoft разработали PDD Kit для формальной проверки кода, написанного AI-агентами。
Почему это важно: Исследование PDD Kit демонстрирует применение формальных методов для проверки кода, что может значительно улучшить качество разработки программного обеспечения.
Исследователи Microsoft разработали платформу для генерации синтетических данных。
Почему это важно: Методология оценки AI-систем на основе синтетических данных может значительно повысить качество и безопасность в корпоративной среде.
Microsoft и Hugging Face представили ThinkingBox-Training, инструмент для оценки работы AI-агентов。
Почему это важно: Материал описывает методику оценки и дообучения AI-агентов, что может быть полезно для разработчиков в области AI.
Исследователи из Microsoft Research доказали гипотезу Kannan-Lovász-Simonovits (KLS)。
Почему это важно: Работа демонстрирует, как сотрудничество человека и AI может привести к значительным научным открытиям в математике.
Исследователи Microsoft представили Magnetar, виртуальную машину с нулевыми знаниями。
Почему это важно: Материал описывает значительные достижения в области нулевых знаний и вычислений с доказательствами, что может изменить подход к проверке программ.
NVIDIA и Microsoft анонсировали RTX Spark, который интегрирует полный стек AI в ноутбуки и компактные настольные ПК。
Почему это важно: Описание новых возможностей RTX Spark и DGX Station для Windows демонстрирует значительное улучшение в производительности и доступности AI-агентов.
Microsoft Research представила Agent Lightning v1.0 — легковесную систему для обучения агентов с использованием реальных систем управления。
Почему это важно: Представленный подход к обучению агентов с использованием реальных систем управления может значительно повысить эффективность и снизить затраты на разработку.
Microsoft и Hugging Face совместно опубликовали ThinkingBox — бенчмарк для оценки AI-агентов。
Почему это важно: Microsoft и Hugging Face представили ThinkingBox, оценивающий AI-агентов по реальному изменению состояния базы данных, а не по количеству вызовов инструментов.
Microsoft Research представила Quine, систему AI-исследований, которая соединяет модели。
Почему это важно: Описание системы Quine и её применения в биологии подчеркивает важность интеграции AI в научные исследования.
Microsoft Research Asia – Singapore отметила год с момента открытия。
Почему это важно: Материал описывает достижения и планы Microsoft Research Asia в Сингапуре, подчеркивая важность партнерства для реальных приложений AI.
Исследователи Microsoft показали, что перенос инференса с бортовых GPU на edge или облачные серверы улучшает успешность задач。
Почему это важно: Microsoft добавляет в Physical AI Toolchain функцию выгрузки инференса на edge или cloud GPU, что повышает точность роботов и экономит заряд батареи.
Исследователи Microsoft опубликовали в журнале Nature модель RetroChimera для предсказания путей химического синтеза. Модель объединяет Transformer-архитектуру R-SMILES 2 и графовую нейронную сеть NeuralLoc с помощью стратегии обучения ранжированию, что позволяет компенсировать ограничения каждого из подходов. В слепых тестах эксперты-химики предпочли предложения RetroChimera существующим моделям и литературным данным. Реализация и веса модели доступны на GitHub по лицензии MIT.
Почему это важно: Модель объединяет два подхода для синтеза молекул и открыта в MIT-лицензии, что помогает оценить влияние на разработку лекарств.
Исследователи представили модели GigaPath-Flash и GigaTIME-Flash, которые обеспечивают более эффективный анализ патологии。
Почему это важно: Модели GigaPath-Flash и GigaTIME-Flash значительно повышают эффективность анализа патологии, что может расширить возможности исследований.
Microsoft Research представила Skala 1.1, обученную на 2.5 раза большем объеме данных。
Почему это важно: Разработка Skala 1.1 и её интеграция в популярные программные пакеты значительно повышают доступность и точность DFT в вычислительной химии.