NVIDIA 与 Microsoft 在旧金山 Windows AI and Surface 活动上宣布为 Windows PC 的 AI 智能体共同设计软硬件，Microsoft 宣布 OS 级基础设施 Microsoft Execution Containers（MXC）正式可用，让智能体在系统控制下安全持久地在后台运行。
推荐理由：NVIDIA 与 Microsoft 把智能体运行所需的系统级容器和本地算力一并给出，读者可据此判断本地智能体工作流的硬件门槛。
GitHub 发布与 Microsoft Applied Sciences 联合微调的 ModernBERT 分类器，用代码上下文识别无固定格式的密钥，候选批次评估耗时低于 2 毫秒，可将可拦截的密钥数量提升一倍以上。
推荐理由：GitHub 用九个季度数据说明密钥泄露的增速，并给出把检测前移到 push 环节的模型方案与开放节奏。
微软研究院开源 Agent Lightning v1.0，一个约 3500 行代码的轻量智能体 RL 框架，提出 Harnessed Agentic RL 范式，让部署时使用的 agent harness 直接参与强化学习训练，无需在训练框架内重写 agent。
推荐理由：微软研究院开源 Agent Lightning v1.0，给出真实 harness 参与 RL 训练的设计取舍与实测增益，可对照现有 agent RL 框架评估迁移成本。
Microsoft 研究合伙人研究经理 Jennifer Neville 在 Microsoft Research Podcast 中与首席应用科学家 Chad Atalla 对谈，探讨评测如何推动 AI 系统性能边界，以及模型在传统 benchmark 之外测试时出现的"意外失败"。
GitHub 发布 AI 代码审查开放基准 ReviewBench，基于 1.039 亿个 GitHub PR 的分布特征，构建了覆盖 19 种语言、219 个公开 PR 的评测集。
微软研究院实习生构建的机器学习流水线可提前 30-60 分钟给出美国本土 66,935 座变电站的位置级空间天气风险估计，评估期内检测到近 80% 的重大空间天气事件。
微软研究院发布 Quine，一个面向生物学复杂性的 AI 研究系统，由跨序列、结构、功能、细胞状态和成像等多模态数据训练的生物世界模型，以及连接模型、科学工具、文献和实验人员的交互式 harness 组成。
推荐理由：微软研究院公开 Quine 的生物世界模型与实验闭环，并给出胰腺癌化合物筛选的湿实验验证结果。
微软亚洲研究院新加坡（MSRA – Singapore）作为微软在东南亚的首个研究实验室，成立一年来围绕下一代 AI 模型与智能体系统、领域专用 AI、AI 原生研究实践、生态与人才培养四大方向展开工作。实验室与新加坡医疗生态伙伴合作推进多模态医疗 AI 与自进化诊断智能体，并联合 EDB 于 2026 年 2 月举办物流与交通 AI 高管圆桌会。
GitHub Copilot 提出 canvas 概念，即在 GitHub Copilot app 内运行的无浏览器外壳全栈应用，可与 agent 双向通信，也能调用第三方 API 并在本地执行代码。官方认为 chat 只适合未知任务，用户明确目标时更该让 agent 生成可复用工具，避免反复对话浪费 token，例如用 canvas 管理 SQLite 数据库或本地 Winget 包。
GitHub Copilot 应用重建了 pull request 视图，以应对包含 2,200 个文件、超百万行改动和 400 多条行内评论的超大 PR。其做法是把文档高度拆成确定性的代码几何与动态评论块两套几何：代码行高预先精确计算，评论高度则惰性测量、按内容指纹和宽度分桶缓存，使修正幅度小且锚定在用户当前浏览位置。
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 推理从机器人本体 GPU 卸载到边缘或云端 GPU，能提升任务成功率、支持更大的模型并延长续航。
推荐理由：微软研究院首次系统测量机器人本体推理与卸载推理的差距，给出任务成功率与续航的量化对比，并开放 Kubernetes 工具链。
微软研究院在 Nature 发表逆向合成模型 RetroChimera，它结合 Transformer 模型 R-SMILES 2 与图神经网络 NeuralLoc，用学习式重排序整合两者预测。
推荐理由：微软研究院公开 RetroChimera 的架构与盲测结果，读者可了解逆向合成预测如何通过集成与重排序提升路线质量。
微软研究院推出 GigaPath-Flash 和 GigaTIME-Flash，用蒸馏自十亿参数 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。