从合成企业数据评估到真实的 Microsoft Copilot 信任度
微软构建了行业评估数据生成平台（Industry Evaluation Data Generation Platform），利用全规模合成企业环境评测 Microsoft Copilot，在不接触客户敏感数据的前提下模拟复杂业务流程。
#Microsoft
Microsoft ResearchAI 评分4444
Microsoft Research精选AI 评分8181 微软研究院等利用人机协作证明历时 31 年的数学难题 KLS 猜想
微软研究院研究员 Xinzhi Zhang 与合作者结合人类主导的 AI 智能体协作流程，成功证明了高维几何与概率论中历时 31 年的 KLS 猜想。该研究确立了对数凹分布的无量纲几何原理，证明最窄瓶颈割面与简单平坦割面之间的差距受通用常数控制且不依赖维度，移除了理解高维采样随机算法效率的重要理论障碍。
推荐理由：展示了人类引导智能体探索数学路径完成顶级猜想证明的协作范式，读者可据此理解前沿科研中人机配合的具体机制。
Microsoft ResearchAI 评分4646 微软研究院通过模拟学生学习改进 AI 导师系统
微软研究院推出研究系统 StudentSim，通过对去标识化的公开学习记录进行两阶段训练，为单个学生构建个性化 AI 模拟器。该系统从行为保真度与指导响应度两个维度建模，在国际象棋、二语英语写作和数学领域均超越主流基线模型。同步提出的 StudentSimEval 评测基准可在 AI 导师进行真实测试前提供训练与评估反馈。
GitHub Blog · AI & ML精选AI 评分6464 GitHub 推出 AI 代码审查基准 ReviewBench
GitHub 推出面向 AI 代码审查智能体的开源离线基准 ReviewBench，旨在提供贴近真实生产环境的评估标准。该基准参考 1.039 亿真实拉取请求的分布特征，精选覆盖 19 种编程语言的 219 个拉取请求，结合人类专家、静态分析和前沿大模型构建多来源金标准，并使用 Claude Sonnet 5 统一评判。
推荐理由：该基准基于真实拉取请求分布建立评测集，为开发团队评估和迭代代码审查智能体提供了贴近生产环境的离线验证方案。