Amazon Quick 各组件的提示词工程模式与陷阱
AWS 这篇教程按组件讲解 Amazon Quick 的提示词技巧。Quick Research 需要明确研究目标、受众与范围,可拆解子问题并从 Quick Index。
AWS 这篇教程按组件讲解 Amazon Quick 的提示词技巧。Quick Research 需要明确研究目标、受众与范围,可拆解子问题并从 Quick Index。
Microsoft Research 发布 Quine,一个包含生物学世界模型和交互式 harness 的 AI 研究系统,可跨基因组、蛋白质、化学、细胞状态和生物成像等模态联合学习。
xAI 的 Grok 4.7 上线 Amazon Bedrock,提供 500K token 上下文窗口和 low 到 xhigh 四档推理力度,通过 us.xai.grok-4.7 和 global.xai.grok-4.7 跨区域推理配置接入,支持 Responses、Chat Completions 和 Converse API。
推荐理由:原文给出 Bedrock 上的接入方式、推理档位与 Artificial Analysis 独立评测数据,可帮助读者评估成本与接入取舍。
Microsoft Research Asia – Singapore 于 2025 年 7 月 24 日成立,是 Microsoft 在东南亚的首个研究实验室。
GitHub Copilot app 的 canvases 功能允许用户用 /create-canvas 技能以自然语言描述工作流,生成看板、清单、表单等可定制界面。画布是双向共享的,用户通过按钮、卡片、筛选器操作时智能体同步可见,智能体的改动也实时出现在界面上;创建的画布保存为 extension,可个人复用或团队共享,社区还通过 Awesome Copilot 提供现成扩展。
AWS 在 Amazon EKS 上结合 Elastic Fabric Adapter(EFA)和 DeepEP,构建了加速 MoE 模型大规模强化学习训练的架构,吞吐量提升 40%。
GitHub Copilot 团队认为聊天不是与 AI 交互的正确界面,介绍了 GitHub Copilot app 中的 canvas 功能,它是可与应用内 agent 双向通信的全栈小程序。作者用 Connect 4 游戏、Winget 包管理、SQLite 操作和自动化开发工作流等示例说明,与其让 agent 处理每次交互浪费 token,不如让它构建一个后续交互免费的自定义工具。
GitHub Copilot 应用重构了 Pull Request 视图,可流畅渲染一个含 2,200 个文件、超一百万行变更、400 多条行内评论的开源巨型 PR。核心做法是把高度拆成确定性的代码几何与按需测量的动态评论块几何,配合滚动锚定校正、空闲调度测量,以及无人值守的变更到测量到改进循环来定位 bug。
推荐理由:原文完整拆解了超大 PR 渲染的双几何设计与自动化测量方法,工程细节可直接迁移到类似虚拟化场景。
Microsoft Research 通过系统性测量研究指出,仅依赖机器人机载 GPU 会限制性能、续航与可扩展性。实验显示小型 GPU 上地图与规划最高慢 383%,导航障碍及时检测率下降 30%,VLA 模型准确率下降 50%;换成 Raspberry Pi-5 并卸载推理可显著延长电池时间,Jetson Thor 等机载 GPU 对机器人的电池消耗高达 160%。
Microsoft Research 在 Nature 发表逆合成预测框架 RetroChimera,并开源实现和权重(MIT 许可,GitHub 和 Microsoft Foundry 可用)。模型由 R-SMILES 2 和 NeuralLoc 两个子模型通过 learning-to-rank 集成,盲测中 PhD 级化学家更偏好其单步预测,10 个挑战性目标中完成 9 个,优于子模型和基线。
GitHub 用 AI 智能体将 Copilot 智能体运行时完整重写为超过 800,000 行生产 Rust,通过 128 个 pull request 增量合入 main 并逐步发布,于 2026 年 8 月 21 日达成 100% Rust。
推荐理由:作者亲历复盘用 AI 智能体将 Copilot 运行时从 TypeScript 迁移到 80 万行 Rust 的过程,给出可迁移的增量迁移、提示词缓存与多会话协作方法。
GitHub 日韩营销负责人 Tomoko Tanaka 分享如何不写代码,用 GitHub Issue 表单、标签、Actions 和 Copilot skills 将活动运营从策划到复盘全流程自动化。
GitHub Copilot app 新增内置 diff、terminal 和 browser 面板,让用户无需在编辑器、终端和浏览器之间切换即可审查、运行并预览智能体改动。
GitHub 官方发布面向初学者的 GitHub Copilot app 教程,讲解如何同时运行多个智能体会话。每个会话可运行在独立的 Git worktree 中,互不干扰、各自保留上下文,用户可在会话视图中跟踪进度,把时间花在审查和决策而非等待上。
Microsoft Research 推出 GigaPath-Flash 和 GigaTIME-Flash 研究模型,以大幅提升病理学研究的计算效率。
Microsoft Research 发布深度学习 DFT 泛函 Skala 1.1,训练数据较前一版增加 2.5 倍,在 GMTKN55 基准的 55 个类别中 32 个排名第一,加权平均误差 2.8 kcal/mol,超过最昂贵的 global hybrid 泛函,同时保持 meta-GGA 级计算成本。
Microsoft Research 发布 MindTopo 基准,评估多模态大语言模型对连续性、分离、顺序、封闭和绳结五类拓扑概念的理解,涵盖静态推理与交互规划两个层级。测试显示,专有与开源模型在静态识别上明显优于交互式规划任务,且均远低于人类水平,错误多出现在规划阶段丢失结构关系。图像与视频生成工具仅在单帧内偶尔有帮助,难以在多步操作中保持拓扑约束。
微软研究院发布研究模型 CARE-X,一个统一的胸部 X 光 VLM,结合生成式与判别式双推理,支持报告生成、疾病定位、多标签分类等多样临床解读任务。该模型采用 DAPO 强化学习在多任务设置中奖励临床正确性,并在 Narayana Health 的真实印度临床数据上验证。另一项独立实验将 Qwen3-VL-4B-Instruct 与确定性测量工具配对,评估直接计算能否提升测量依赖病灶的表现。
Microsoft Research 推出 Echoverse,为计算机使用 Agent 构建了 12 个深度训练环境,包括 10 个领域世界和 2 个能力世界(日期选择器与嵌套过滤)。
推荐理由:原文给出深度世界优于浅层世界的实验对比和开源入口,读者可以据此判断合成训练环境如何影响 Agent 训练。
Microsoft Research 推出 EvoLib,一个让大语言模型在推理时从自身经验自监督学习、无需更新模型的框架。它把成功方案提炼为可复用技能、把错误提炼为反思性洞见,并通过整合与动态加权机制持续演化知识。
Microsoft 在 Build 2026 上宣布 Hugging Face models on Foundry,一个每周更新的精选开放权重模型目录,可一键部署到 Foundry Managed Compute 托管 GPU 平台。