Microsoft Research 介绍交互式数据可视化语言 Flint-interactive
Microsoft Research 介绍 Flint-interactive，让用户和 AI 智能体以高层规范创建支持点击、筛选、缩放、高亮和跨图联动的数据可视化。
全部 AI 动态
Microsoft ResearchAI 评分5959
Microsoft Research精选AI 评分8484 Microsoft Research 研究者与合作者证明提出已 31 年的 KLS 猜想
Microsoft Research 的 Xinzhi Zhang 与合作者 Zhao Song 证明了提出已 31 年的 KLS 猜想，将高维对数凹分布的相关几何界限收紧至不依赖维度的常数。
推荐理由：研究者逐轮筛选智能体搜索方向，并与相近 token 预算的无引导尝试对照，为理解数学研究中的人机分工提供了具体案例。
GitHub Blog · AI & ML精选AI 评分6262 3 位 Java Champion 如何使用 GitHub Copilot 提升开发效率
GitHub 采访了 3 位 Java Champion，介绍他们使用 GitHub Copilot 开发功能、迁移资料和排查缺陷的实践。
推荐理由：案例将提效落实为可迁移的工程方法，通过明确上下文、设置任务验收关卡并沉淀技能，让智能体执行与人工责任保持分工。
GitHub Blog · AI & MLAI 评分5454 如何在 VS Code 中继续 GitHub Copilot app 会话
GitHub 讲解如何将 Copilot app 会话直接转入 VS Code，保留对话、代码改动和工作上下文。用户选择 Open in VS Code 后，编辑器会打开该会话关联的工作树，并在 Copilot 侧栏显示原有会话，支持逐行审查差异、继续对话、手动编辑和本地测试。完成修改后，在原分支提交并推送即可更新关联的拉取请求，无需复制文件或重新关联工作。
GitHub Blog · AI & MLAI 评分5454 GitHub 解读机密检测模型：如何发现更多真实凭据并减少误报
GitHub 详解机密扫描的两阶段管线，以正则筛选候选字符串，再由微调的 ModernBERT 结合上下文区分真实凭据与相似的非敏感字符串。相比此前的 LLM 管线，同一公开流量上的离线评估显示精确率提高 13%、召回率提高 19%；客户 A/B 实验中，按仓库所有者加权的告警接受率提高 11.5%，提交后扫描执行时间中位数降低 86%，服务成本降低超过 98%。
GitHub Blog · AI & MLAI 评分5757 GitHub Copilot app 入门：如何让 Copilot 理解你的代码库
GitHub Copilot app 入门教程讲解如何结合自定义指令、智能体技能、自定义智能体和 MCP 服务器，让 Copilot 理解项目规范并执行相关工作流。
GitHub Blog · AI & ML精选AI 评分6464 GitHub 扩展 AI 密钥检测，推动密钥保护跟上软件增长
GitHub 介绍与 Microsoft Applied Sciences 合作构建的 ModernBERT 分类器，将推送保护扩展至非结构化密钥，批量评估候选密钥耗时低于 2 毫秒，可使能提前阻止泄露的密钥数量增加至两倍以上。
推荐理由：九个季度的数据未显示单次推送的密钥泄露比例明显上升，将防护重点从要求开发者更谨慎转向扩大自动预防与处置能力。
GitHub Blog · AI & MLAI 评分5252 GitHub 介绍 ReviewBench：面向 AI 代码审查的开放评测基准
GitHub 开放 AI 代码审查基准 ReviewBench 的研究预览版，提供公开数据集、评估方法、自助运行工具和排行榜。基准参考 103.9 million 个 GitHub 拉取请求的分布，收录来自 187 个公开开源仓库、覆盖 19 种语言的 219 个拉取请求，并使用 Claude Sonnet 5 按统一标准评判问题，资深工程师独立复核的一致率为 96.6%。
Berkeley AI ResearchAI 评分4949 从 CUDA 到 MLX：K-Search 如何将多年内核优化经验带到 Apple Silicon
研究人员为 K-Search 增加 MLX 后端和 CUDA 到 MLX 的结构化翻译层，将现有内核优化经验适配到 Apple Silicon。其 Attention 内核性能达到原生 MLX 内核的 0.97x，Mamba SSM 内核的 prefill 速度较社区 mlx-lm 实现最高提升 20x。
Berkeley AI ResearchAI 评分4747 如何教 LLM 更新信念以实现高效长程交互
ABBEL 框架通过训练 LLM 更新自然语言信念状态，减少长程交互中保留完整历史的需要。在协作编码基准 CollabBench 上，信念评分将与完整上下文模型的性能差距缩小约 50%，训练步数减少 50%，峰值上下文 token 长度也更低。
Berkeley AI ResearchAI 评分5050 智能近乎免费之后：面向 AI 智能体、由智能体组成及构建的数据系统
Berkeley AI Research 的研究者探讨了 AI 推理成本下降后，数据系统面临的三类机遇：服务、管理 AI 智能体以及由智能体构建系统。在一项多智能体 text-to-SQL 基准测试中，80-90% 的子查询执行了重复工作，数据系统可通过复用重叠子计划的结果减少浪费。
Berkeley AI ResearchAI 评分4545 GRASP：面向世界模型更长时间跨度的基于梯度的规划
GRASP 是一种基于梯度的规划方法，旨在让学习得到的世界模型更稳健地执行长时间跨度规划。该方法引入虚拟状态以并行优化轨迹，在状态迭代中加入随机性以促进探索，并调整梯度以避免高维视觉模型中不稳定的状态输入梯度。
Berkeley AI ResearchAI 评分4848 如何大规模识别 LLM 的交互作用
SPEX 和 ProxySPEX 通过消融与稀疏恢复，大规模识别 LLM 中影响输出的交互作用。ProxySPEX 利用交互的层级结构，以约 10x 更少的消融次数达到 SPEX 的性能；在情感分析中，SPEX 在特征规模增至数千时仍保持较高的归因忠实度。