微软推出实验性多模态生物研究系统 Project Quine
微软研究院联合博德研究所推出实验性多模态 AI 研究系统 Project Quine，将覆盖基因组学、蛋白质、化学、细胞状态和生物成像的世界模型与交互式推理框架相结合。该系统旨在通过多领域跨模型计算预筛候选物并排定优先级，以加速药物发现和湿实验验证，目前仅限科研使用并已开放 Quine Fellows 项目申请，未来计划通过 Microsoft Discovery 扩大商业化开放。
#Microsoft
#Microsoft
今日 2 条IT之家 · AI 筛选AI 评分5454 arXiv 人工智能AI 评分5151 微软团队发布面向数据系统的 AI 软件工厂研究
微软等机构的研究团队发表论文，提出面向数据系统的 AI 软件工厂（AI SW Factory）以加速软件开发全生命周期。该方案覆盖目标定位、编码、代码审查与运维全阶段，通过产生元数据沉淀微调权重并更新世界模型。该系统已在微软数十个代码库规模化部署，在智能体编码基础上取得 3 倍工程效率提升以及最高 22 倍的 token 效率。
Microsoft Research精选AI 评分6767 Microsoft Research 发布生物学 AI 研究系统 Quine
Microsoft Research 推出生物学 AI 研究系统 Quine，由多模态生物学世界模型以及连接科研工具、文献与湿实验的交互框架组成。系统联合学习基因组、蛋白质、细胞状态及生物成像等跨尺度数据，以预测干预后的生物状态演变；在与 Broad Institute 合作的胰腺癌研究中，Quine 快速完成化合物筛选并在湿实验中验证了候选分子。
推荐理由：原文展示了生物学世界模型与湿实验结合的闭环流程，读者可据此了解 AI 辅助跨模态生物学推理与药物筛选的具体范式。
GitHub Blog · AI 与安全AI 评分4242 GitHub 调查：超千名开发者对高效软件与绿色计算的需求
GitHub 与耶鲁大学对 1,039 名 GitHub 用户的调查显示，80% 的受访开发者对编写高能效代码的工具有需求，71% 担忧 AI 系统的能耗、用水与碳排放。近 75% 的受访者希望量化软件开发的环境足迹，并呼吁借助可靠的测量工具在代码、数据和网络层面减少不必要的算力浪费。
Microsoft Research精选AI 评分6363 微软开源逆合成预测模型 RetroChimera 并在 Nature 发表
微软研究院在《Nature》发表并开源了逆合成预测模型 RetroChimera 的代码与权重，用于自动生成高质量的小分子化学合成路径。该框架结合了基于 Transformer 的生成模型 R-SMILES 2 与基于图神经网络的模板模型 NeuralLoc，并通过学习重排序机制聚合两者的互补优势。
推荐理由：该模型融合了端到端生成与模板图神经网络的互补优势，为小分子与新药研发中的化学逆合成路线设计提供了可落地的开源方案。
Azure Blog · 云基础设施AI 评分4949 超越基准：微软自适应方法如何推动科学发现
微软 Microsoft Discovery Engine 搭载 CLIO，在基准测试 Agent’s Last Exam 的健康与医学（61.6%）、物理科学（75.2%）和生命科学（64.6%）领域均获得最高分。CLIO 允许自适应探索多条独立推理路径，支持动态调整策略、切换模型及引入专家介入。该平台已面向企业研发组织开放，并曾辅助发现新型有机氧化还原液流电池。
Microsoft ResearchAI 评分5555 微软研究院开源病理学基础模型 GigaPath-Flash 与 GigaTIME-Flash
微软研究院联合华盛顿大学与 Providence 开源发布高效病理学基础模型 GigaPath-Flash 与 GigaTIME-Flash，模型权重与代码已按 Apache 2.0 协议上线 Hugging Face。
Microsoft ResearchAI 评分4949 拓展 Skala 生态加速实现预测性 DFT
微软研究院发布深度学习密度泛函（DFT）模型 Skala 1.1，其训练数据量是前代的 2.5 倍，在 GMTKN55 基准的 55 个类别中斩获 32 项第一，加权平均误差降至 2.8 kcal/mol。Skala 现已上线 CP2K，并正集成至 Psi4、FHI-aims、ORCA 与 VASP 等主流软件。此外，团队还推出了追踪后续版本计算性能的动态基准。
Microsoft ResearchAI 评分4545 MindTopo 揭示 VLM 的空间拓扑推理能力
MindTopo 评测基准针对多模态模型（VLM）发布，旨在从连通性、分离、顺序、包围与绳结五个维度评估其空间拓扑推理与交互规划能力。测试显示，主流闭源与开源模型在静态识别上的表现普遍优于交互规划，但整体均远落后于人类水平。模型的失败主要集中在多步规划阶段，容易在动态变化中丢失结构追踪或违反物理约束。
Microsoft ResearchAI 评分4646 微软推出 CARE-X：面向临床实用的放射学视觉语言模型
微软研究院推出胸部 X 光视觉语言模型 CARE-X，通过结合自由文本生成与结构化预测，统一支持放射学报告生成、校准诊断等多类临床判读任务。该模型利用强化学习（DAPO）在多任务场景中奖励临床正确性，并在印度 Narayana Health 的真实临床数据上完成了验证。
Microsoft Research精选AI 评分7272 微软研究院发布 Echoverse：用于训练 Computer-Use 智能体的高保真演进环境
微软研究院推出 Echoverse，通过构建 10 个深度领域环境和 2 个专项能力世界，以真实数据库状态交互和校验器协同演进训练 Computer-Use 智能体。
推荐理由：研究展示了高保真状态交互和数据库级校验对智能体泛化的核心作用，为闭环环境训练提供了可复现的评测与演进范式。
MIT News · AIAI 评分6262 MIT 与微软推出 Murakkab 系统：提升 AI 智能体工作流速度与能效
MIT 与微软 Azure 研究人员开发了名为 Murakkab 的智能系统，可通过自然语言意图自动优化 AI 智能体工作流的组件组合与云端硬件资源调度。在视频问答与代码生成等工作流测试中，该系统仅消耗传统方法约 35% 的计算量、27% 的能耗以及不到 25% 的成本，同时满足用户的延迟与准确率约束。