微软与 Hugging Face 联合发布 ThinkingBox-Training，把 ThinkingBox 对数据库终态的 1/0 可执行校验直接当作 RL 奖励，用于训练 ThinkingBox-Bench 之外的任务。
推荐理由：微软与 Hugging Face 联合开源了把数据库终态校验当作 RL 奖励的训练栈，并给出 Qwen3.8-27B 的可复现结果与成本对比。
微软研究院发布 Flint-interactive，一种构建在 Flint 之上的交互式数据可视化语言，让智能体生成可点击、筛选、缩放、高亮和跨图表联动的图表。
微软研究院 Xinzhi Zhang 与合著者 Zhao Song 证明了 1995 年提出的 KLS 猜想，确认高维对数凹分布的最优超平面切割与任意形状切割之差不超过一个与维度无关的固定常数。
推荐理由：读者可了解 KLS 猜想如何被证明，以及人类主导、AI 智能体并行探索并筛选的研究流程如何运作。
微软研究院播客对话 Catalyst Lab 负责人 Chris White，回顾他从 DARPA 项目博士后到阿富汗战场先进技术负责人、再到暗网搜索工具开发者的经历。该工具用于协助打击人口贩运，他因此获得 2016 年美国总统打击人口贩运杰出贡献奖。节目还讨论创新中的问题选择，以及见证人性阴暗面后如何保持希望。
GitHub Copilot 应用中的会话可直接在 VS Code 中打开，对话、代码改动和工作上下文完整保留。VS Code 会加载该会话对应的 worktree 并在 Copilot 侧边栏显示原会话，用户可逐行审查 diff、手动编辑、在本地运行测试，再把改动推送到会话关联的 pull request。
微软研究院发布零知识虚拟机 Magnetar，可直接证明用 Rust、Go 或 C 编写的 RISC-V 程序执行，在 15 个基准程序上平均比现有最快 zkVM 快 10 到 39 倍，证明验证约需 12 毫秒。
GitHub 为密钥扫描训练了专用的 ModernBERT 分类器，替代此前的 LLM 流水线，在推送后扫描中把用户接受率提升 11.5%、中位扫描执行时间降低 86%、服务成本降低 98%。该方案先用正则表达式高召回生成候选，再由分类器结合文件路径、变量名和上下文判断是否为真实凭据。效率提升使通用密钥检测得以扩展到推送保护，在代码提交前返回结果。
GitHub Copilot 入门系列介绍四种让 Copilot 适配项目的方式：用 .github/copilot-instructions.md 定义仓库级规范，用 .github/skills 打包可复用流程，用 .github/agents 创建专用智能体，并通过 MCP 服务器连接外部工具与数据源。
微软研究院提出 StudentSim，从公开的去标识化学习记录训练个性化学生模拟器，用于在真实学习者测试前评估和改进 AI 导师。研究同时发布 StudentSimEval 基准，覆盖国际象棋、第二语言英语写作和数学三个领域，从行为保真度和对指导的响应度两个维度评估模拟器。
GitHub 发布与 Microsoft Applied Sciences 共建的 ModernBERT 分类器，用代码上下文识别无固定格式的密钥，可在 2 毫秒内评估一批候选密钥，据称能把可拦截的密钥数量提升一倍以上。
微软研究院开源 Agent Lightning v1.0，一个约 3500 行代码的轻量 Agentic 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，无需在训练框架内重写 agent。
推荐理由：原文给出框架的代码规模、Kubernetes 部署方式和完整训练示例，读者可据此判断接入现有 agent harness 做 RL 的成本。
微软研究院播客对话 partner research manager Jennifer Neville，讨论评估如何推动 AI 系统突破传统 benchmark 的性能边界，以及模型在超出常规测试时出现的"意外失败"。她结合自身从数学、物理、认知科学到计算机科学的曲折经历，分享使用当前 AI 系统的实用建议，并强调结果偏离预期时应仔细检查数据。
GitHub 发布 AI 代码审查开放基准 ReviewBench，基于 103.9M 条 GitHub PR 的分布构建，包含 219 个 PR、覆盖 19 种语言。
微软研究院实习生构建的机器学习流水线可为美国本土 66,935 座变电站生成 30-60 分钟前的局地空间天气风险估计，评估期内检出近 80% 的重大空间天气事件。