GitHub Copilot 推出 Canvas 功能以替代聊天界面
GitHub Copilot 推出 Canvas 功能,允许在应用内运行全栈应用并与 Agent 双向通信。作者通过 Connect 4 游戏、Winget 管理器和 SQLite 数据库等示例,展示了 Canvas 如何减少 Token 消耗并实现开发工作流的自动化。
GitHub Copilot 推出 Canvas 功能,允许在应用内运行全栈应用并与 Agent 双向通信。作者通过 Connect 4 游戏、Winget 管理器和 SQLite 数据库等示例,展示了 Canvas 如何减少 Token 消耗并实现开发工作流的自动化。
GitHub Copilot 应用重构了 Pull Request 视图,以支持包含 2,200 个文件和超百万行变更的超大 diff 渲染。通过采用双几何架构,将代码行高度与动态评论块高度分离,解决了评论高度未知导致的滚动卡顿问题。该方案确保了在极端负载下,即使存在 400 多条内联评论,审查体验依然保持快速流畅。
微软研究院对移动操作机器人工作负载做了系统性测量,发现把物理 AI 推理从机器人端侧 GPU 卸载到边缘或云端 GPU,可提升任务成功率、支持更大模型并延长续航。
推荐理由:微软研究院系统测量了机器人端侧 GPU 推理的瓶颈,并给出可复用的卸载工具链,读者可据此判断物理 AI 的部署取舍。
微软研究院在 Nature 发表逆合成模型 RetroChimera,并开源其实现与权重。该模型由 Transformer 模型 R-SMILES 2 与 GNN 模型 NeuralLoc 组成,通过学习式集成与重排序融合两者互补优势。
GitHub 团队利用 Copilot 智能体将 Copilot 运行时从 TypeScript 完全重写为 80 万行 Rust 代码。该过程采用增量式原地迁移策略,通过 128 个 Pull Request 逐步替换组件,最终实现了性能的数量级提升。作者详细复盘了智能体在代码审查、上下文管理及多会话协作中的具体表现,揭示了 AI 辅助大规模代码重构的工程细节。
推荐理由:展示了利用 AI 智能体在数周内完成 80 万行 Rust 代码迁移的工程实践,提供了大规模自动化重构的方法论参考。
GitHub 发布 Project HydraFusion 研究预览,通过运行时编排在多个提供商的模型间选择执行方案,用户可在 GitHub Copilot CLI 中用 /experimental 启用,按各模型标准费率计费。
推荐理由:GitHub 给出多模型编排的三种执行模式与三个基准上的质量成本对比,可据此判断编排式编码智能体的取舍。
GitHub Copilot app 支持同时运行多个智能体会话,每个会话运行在独立的 Git worktree 上,互不干扰且各自保留上下文。用户可在 sessions view 中查看各会话标题与任务进度,并随时切换、无需重新说明背景。文中以 tailspin-toys 仓库为例,演示了并行处理 funded sort、无障碍审查和测试三项任务。
微软研究院推出 GigaPath-Flash 和 GigaTIME-Flash,以蒸馏自十亿参数 GigaPath 编码器的 22M 参数 ViT-S 骨干替代原模型,在 PANDA 前列腺分级和 EBRAINS 脑肿瘤分型基准上以约 50 倍更少算力达到原 GigaPath 3% 以内的性能。
Hugging Face 发布研究,用共识分歧探针、掩蔽实体检索和拼写切换三项测试量化语音识别中的基准优化现象,评测了 11 个开源 ASR 模型。
推荐理由:通过三项探针量化 ASR 模型对基准的过拟合,并给出可复用的检测脚本与榜单入口。
微软研究院发布深度学习交换关联泛函 Skala 1.1,训练数据量为此前公开版本的 2.5 倍,在 GMTKN55 基准 55 个类别中 32 项排名第一,加权平均误差 2.8 kcal/mol。Skala 现已在 CP2K 中可用,并正集成进 Psi4、FHI-aims、ORCA 和 VASP。微软同时推出持续更新的基准,追踪后续 Skala 版本的计算性能。
微软研究院推出 MindTopo 基准,用于评估多模态大语言模型在连通性、封闭、顺序、分离和绳结等拓扑关系上的推理与规划能力。测试显示,当前模型在静态图像识别上表现明显优于交互式规划任务,失败多发生在规划阶段而非感知阶段,模型难以在场景变化中持续保持对拓扑结构的理解。图像与视频生成工具在维持拓扑关系上同样不可靠。
微软研究院发布研究模型 CARE-X,一个统一胸部 X 光 VLM,可同时完成报告生成、疾病存在与否定判断、病灶定位及多标签分类等任务,并支持生成式与双推理模式。
微软研究院发布开源框架 Orchard,核心是 Orchard Env 这一基于 Kubernetes 的可复用环境服务,支持软件工程、网页导航和个人助理三类智能体,并可直接在 Codex、OpenClaw、ZeroClaw 等真实部署框架内训练。
推荐理由:微软研究院开源了可复用的智能体环境服务与三套训练配方,读者可据此了解小模型在真实任务上的训练路径。
微软在 Build 2026 宣布 Foundry Managed Compute 及 Hugging Face 模型集合,将开源权重模型以每周刷新、一键部署的方式接入 Foundry,权重预存于 Azure,运行时由微软构建并扫描。
推荐理由:微软与 Hugging Face 合作把开源权重模型接入 Foundry,读者可了解企业部署开源模型时被补齐的运维环节。