微软研究院研究发现清空聊天历史可帮助 AI 智能体找到更优解
微软研究院研究发现，长期运行的 AI 研究智能体即使增加算力也常因累积对话上下文陷入单一想法区域，清空聊天历史能帮助其探索更优解。该团队提出的 Fork-and-Flush 方法在同一算力预算下归一化平均分达 0.78，比单次运行高 66%，在 13 项任务中 12 项得分最高；仅清空上下文而不分支也能提升约 22%。
#Microsoft
The DecoderAI 评分6060 Microsoft ResearchAI 评分4444 StudentSim 模拟学生学习以改进 AI 辅导
Microsoft Research 的 StudentSim 系统用公开、去标识的学习记录训练个性化 AI 学生模拟器，在真实学习者测试前评估和改进 AI 导师。在 StudentSimEval 基准上，StudentSim 在国际象棋、二语英语写作和数学中优于领先基线，并为 AI 导师训练提供有用的反馈信号。它只是研究系统，不部署于课堂，也不替代教师。
GitHub Blog · AI & ML精选AI 评分6464 GitHub 发布 AI 代码评审开放基准 ReviewBench
GitHub 发布 AI 代码评审开放基准 ReviewBench，其语料来自 1.039 亿个 GitHub PR 的分布，包含 19 种语言、187 个开源许可证仓库的 219 个 PR。
推荐理由：它基于 1.039 亿 GitHub PR 分布构建，公开数据集与裁判配置，并给出与 Copilot 线上实验方向一致的线下信号，便于团队用同一基准迭代评审智能体。
Hugging Face Blog精选AI 评分7373 Microsoft 与 Hugging Face 发布 ThinkingBox 智能体状态基准
Microsoft 与 Hugging Face 联合发布 ThinkingBox 智能体沙箱和 ThinkingBox-Bench 基准，依据数据库终态判定智能体任务成败。
推荐理由：该基准以数据库终态而非模型回复判定智能体成功，并给出 507 个任务重复 20 次的一致性与成本数据，可供部署时比较模型。
Microsoft Research精选AI 评分6161 微软 Physical AI Toolchain 新增机器人推理卸载能力
微软宣布在 Physical AI Toolchain 中加入机器人物理 AI 推理卸载能力，可将推理从机载 GPU 卸载到边缘或云端 GPU。其评估显示，卸载推理提升了移动操控任务成功率，并使更大模型可用；用轻量机载硬件替代机载 GPU 也显著延长续航。该版本包含 SO-101 和 UR10e 的卸载示例项目。
推荐理由：原文给出机载与卸载推理在成功率、延迟和续航上的量化对比，并展示用 Kubernetes 自动容器化部署机器人推理的路径。