公司与模型
微软的 Copilot 系列产品、Azure AI 云服务，以及与 OpenAI 的合作动向。
3 条精选近 30 天 3 条共收录 15 条
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 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。