Microsoft Research Focus 第 97 期：从编码智能体瓶颈到 AI 办公使用差异
Microsoft Research Focus – Edition #97
AI 导读
Microsoft Research Focus 第 97 期由主持人 Sowbhagya Suresh 汇总微软研究社区最新进展，并新增 YouTube 和主流播客平台渠道。
摘要与补充说明
自改进框架 ForkPilot 在六个基准和多个主流 AI 模型上测试，达到现有最佳方法水平，同时将 AI 处理开销降低最多 59%。CABRA 框架通过从零生成编码挑战发现，智能体常借助工具解决编码问题，但在理解陌生代码库时仍显吃力。TeleTune 从用户活动日志中学习可复用技能并推断任务目标，在软件和浏览器任务评测中优于现有方法。
正文· AI 翻译
研究有什么新进展？
你可能已经熟悉 LinkedIn 上的 Research Focus 简报（在新标签页中打开）。现在，你也可以在我们的社交渠道、YouTube 和各大播客平台上了解 Microsoft 研究社区的亮点内容。
在本期 Microsoft Research Focus 中，主持人 Sowbhagya Suresh 分享 Microsoft 各处的最新动态和前沿研究——从理解编码智能体面临的挑战，到揭示人们如何在工作中使用 AI，再到改进延伸期天气预报。
了解研究人员当下正在探索的想法、工具和发现，并快速预览接下来的新进展。
相关链接：
- LinkedIn 上的 Research Focus 简报（在新标签页中打开）
- ForkPilot：面向长时程智能体回顾式搜索的自演化策略
- 代码理解是编码智能体的瓶颈
- TeleTune：从离线遥测中演化智能体技能
- 为什么 Copilot 的使用在各行业看起来如此相似，以及这忽略了什么（在新标签页中打开）
- Shiksha Copilot：教师与 AI 协作，为低资源学校策划和定制教案
- 新 AI 框架弥合中期天气预报的关键差距
- BioEmu2 公开预览（在新标签页中打开）
章节
01:35：理解编码智能体的成功与失败 （在新标签页中打开）
02:29：利用活动日志演化智能体技能 （在新标签页中打开）
03:22：超越 AI 使用中的相似性 （在新标签页中打开）
04:15：帮助教师为教学腾出更多时间 （在新标签页中打开）
05:42：BioEmu2 现已公开预览 （在新标签页中打开）
订阅 Microsoft Research Podcast：
文字稿
[音乐]
SOWBHAGYA SURESH：大家好，我是 Sowbhagya Suresh。欢迎收听 Microsoft Research Focus。
你可能读过我们的简报。现在，你也可以在这里、YouTube 和各大播客平台上获取 Microsoft 研究社区的亮点内容。无论你是阅读、观看还是收听，Research Focus 都是你了解 Microsoft 研究新闻的来源。
本期内容：日常 AI 使用揭示了我们的工作方式；一个新 AI 模型如何帮助科学家更好地理解蛋白质；一种改进提前数周天气预报的新方法；以及更多内容。以下是本期新动态。
自我改进的智能体框架
越来越多的 AI 智能体正在处理复杂的任务。
[音乐渐弱]
这些任务需要多个步骤、决策以及与外部工具的交互。但是，如果 AI 智能体在出错时进行调整的能力可能需要大量资源，而且无法保证获得更好的结果，我们又如何能指望它们来完成工作呢？
一个名为 ForkPilot 的新型自我改进框架能够学习何时值得重新审视先前的决策以寻找不同的方法，并根据新的结果调整其策略。
在六项基准测试和领先的 AI 模型上进行了测试，ForkPilot 的表现达到了现有最佳方法的水平，同时将 AI 处理需求降低了多达 59%。这些结果表明，AI 智能体可以更可靠、更高效地解决复杂问题，使其在大规模部署时更加实用且更具成本效益。
[过渡音乐]
理解编程智能体的成功与失败
编程智能体通过推理、编辑和运行代码来执行用户查询。如果我们想要构建能力更强、更可靠的编程智能体，理解这些智能体失败的原因至关重要。遗憾的是，现有的基准测试往往难以确定哪些因素导致了成功或失败。
CABRA 是一个从头生成编程挑战的框架。它让研究人员能够以受控的方式增加复杂性，并精准定位智能体最难掌握的技能。
在数千个生成的挑战中，研究人员发现智能体通常通过使用工具来克服编程问题。然而，当智能体需要理解不熟悉的代码库时，它们仍然举步维艰。研究结果表明，理解现有代码而非修改代码，仍然是开发更高效编程智能体的最大障碍之一。
[过渡音乐]
通过活动日志演进智能体技能
计算机使用智能体是旨在完成需要点击和输入的任务的 AI 系统。它们可以填写表单、处理请求和浏览网站。为了有效地做到这一点，它们需要学习人们完成工作所使用的流程。用户活动日志可以提供一种捕获这些知识的方式。但活动日志通常不会记录每个操作背后的意图，而且经常将任务混在一起。
新框架 TeleTune 从这些日志中学习可复用的技能和工作流程。它还能推断与操作序列相关的任务目标。
在软件和浏览器任务的评估中，TeleTune 的表现优于现有方法。通过从现有活动中学习，TeleTune 提供了一种可扩展的方式，帮助 AI 智能体适应不熟悉的软件并执行复杂的多步骤工作流程
[过渡音乐]
超越 AI 使用中的相似性（在新标签页中打开）
各行各业的员工使用 AI 的方式可能看起来惊人地相似，但仔细观察会发现不同的情况。
Microsoft 研究人员分析了广泛客户类别中聚合的 Copilot Chat 活动，发现编辑文档在所有已分类活动中位居首位，占比超过 20%。
但当研究人员将 20 种最常见的活动排除在外后，客户类别之间的差异变得明显得多。AI 最常见的用途可能掩盖了各组织在更专业化工作中使用 AI 方式的重要差异。
对于企业领导者来说，结论很明确：不要以为你和同行业的其他人有着相同的 AI 需求。找到合适的机会意味着要超越使用统计数据，去了解员工实际做什么、他们如何工作，以及哪些结果最重要。
[过渡音乐]
帮助教师腾出更多时间用于教学
一项新研究展示了 Shiksha Copilot——一种人在回路中的 AI 工具——如何能够改变全球南方课堂中的教师工作流程。
这项在印度资源匮乏学校开展的研究发现，该工具减少了教师花在双语备课和行政事务上的时间。这让他们有更多时间来设计更具吸引力的课堂活动。
超过一千名教师参与其中，许多人报告称压力水平有所降低，并对 AI 如何帮助他们留下了积极印象。这些教师积极使用 Shiksha Copilot，运用自己的专业知识来调整和重新利用材料，以适合各自的课堂。
[过渡音乐]
改进延伸期天气预报
十天天气预报已经变得非常可靠。但接下来的几周呢？
两到六周的窗口期仍然是预报模型面临的一大挑战，而这是一个问题。正是在这段时间里，与农业、野火管理和极端天气防范相关的各种关键决策会被做出。
一个名为概率偏差校正（Probabilistic Bias Correction，简称 PBC）的新机器学习框架正在帮助弥合这一差距。PBC 从天气模型过去的错误中学习，并帮助纠正这些错误。
而早期结果令人鼓舞。
PBC 在一项专注于改进延伸期预报的全球竞赛中拔得头筹。它还在肯尼亚部署，帮助改进对农民至关重要的季风预报。
这一进展可能有助于让天气预报在广泛的应用中更加有用。
[过渡音乐]
BioEmu2 现已推出公开预览版（在新标签页中打开）
BioEmu2 是一个用于理解生物分子结构、动力学和功能的新基础模型，现已推出公开预览版。
BioEmu2 由 Microsoft Research AI for Science 团队开发，建立在 Biomolecular Emulator 之上，后者是一个旨在帮助科学家更好地理解蛋白质工作原理的深度学习模型。
这种理解可能对医学产生重要影响。通过更深入地了解蛋白质的功能，科学家们可以更接近开发出更有效的药物，以增强有益的蛋白质活性或防止蛋白质造成危害。
前往 BioEmu2 Microsoft Research GitHub 仓库（在新标签页中打开） 探索该模型并了解更多信息。
[音乐]
这就是本期的 Research Focus。
从更强大的 AI 智能体到更好的天气预报，这些只是研究人员在 Microsoft 探索的众多进展中的一小部分。
想了解更多并保持联系？在各大社交平台上关注 Microsoft Research，探索最新研究、了解背后的研究者，并持续关注塑造未来的各种想法。
我是 Sowbhagya Suresh。非常感谢您的收听。我们下期 Microsoft Research Focus 再见。
[音乐渐弱]
Opens in a new tab
文章 Microsoft Research Focus – 第 97 期 首次发表于 Microsoft Research。