GitHub Copilot app 入门：如何让 Copilot 理解你的代码库
GitHub Copilot app 可通过自定义指令、Agent 技能、自定义智能体和 MCP 服务器四种方式适配项目代码库。自定义指令定义项目规范，Agent 技能封装可重复流程，自定义智能体处理更大任务，MCP 服务器接入外部工具和数据。社区 Awesome Copilot 提供现成配置，可以从最小配置开始。
#Microsoft
GitHub Blog · AI & MLAI 评分5959 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。
NVIDIA Blog精选AI 评分7272 NVIDIA 与 Microsoft 发布 RTX Spark，为 Windows PC 带来 AI 智能体新开端
NVIDIA 与 Microsoft 在 Windows AI and Surface 活动上宣布 RTX Spark 进入 Windows 笔记本和紧凑台式机，笔记本今日开放预购、10 月 16 日上市，并预览了面向 Windows 的 DGX Station。
推荐理由：原文给出了 RTX Spark 的算力、内存和可本地运行模型，也列出了合作 OEM，可据此判断 Windows 本地 AI 的落地范围。
Microsoft Research精选AI 评分7373 Agent Lightning v1.0 发布，以 3,500 行轻量框架支持真实 harness 强化学习
Microsoft Research Asia 发布并开源 Agent Lightning v1.0，一个约 3,500 行的轻量 Agentic RL 框架，让部署中使用的同一 agent harness 直接参与强化学习。
推荐理由：用 3,500 行框架让部署 harness 直接参与强化学习，并以约 6,000 条样本把 Qwen3.5-9B 的 SWE-bench Verified 从 41.8% 提到 56.4%。
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 ResearchAI 评分5757 Microsoft Research 推出面向生物复杂性的 AI 研究系统 Quine
Microsoft Research 推出 Quine，一个面向生物复杂性的 AI 研究系统，包含多模态生物学世界模型和连接模型、科学工具、文献与科学家的交互式框架。
GitHub Blog · AI & ML精选AI 评分7575 GitHub Copilot 官方博客提出聊天作为 AI 交互 UI 并不总是合适
Burke Holland 认为聊天作为 LLM 的主要交互界面大多数时候并不合适，并提出 GitHub Copilot app 中的 canvas 作为替代。
推荐理由：原文用 Connect 4、Winget 和 SQLite 等实例给出 canvas 替代聊天 UI 的构建思路，读者可据此把一次性 agent 交互变成自己控制的工具流程。
GitHub Blog · AI & MLAI 评分5353 GitHub Copilot app 如何流畅渲染百万行级 Pull Request
GitHub Copilot app 重构了 pull request 视图，使其在包含 2200 个文件、超百万行变更和 400 多条内联评论的极端 PR 上也能流畅打开、滚动和交互。核心做法是分离确定性代码几何与动态评论块几何，并采用惰性测量和滚动锚定来保持稳定。文章还展示了无人值守的测量循环如何定位仅在高负载下出现的性能缺陷。
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。