正文 · AI 翻译
研究领域有哪些新进展？你可能已经熟悉 LinkedIn 上的 Research Focus 简报（在新标签页中打开）。现在，你也可以通过我们的社交渠道、YouTube 和主流播客平台，了解微软研究界的精彩动态。在本期《Microsoft Research Focus》中，主持人 Sowbhagya Suresh 分享微软各领域的一些最新消息和前沿研究，内容涵盖理解编程智能体面临的挑战、揭示人们如何在工作中使用 AI，以及改进延伸期天气预报。了解研究人员当下探索的理念、工具和发现，并快速预览接下来会有什么新进展。相关链接：LinkedIn 上的 Research Focus 简报（在新标签页中打开）ForkPilot：用于长程智能体回溯搜索的自演进策略 代码理解是编程智能体的瓶颈 TeleTune：从离线遥测数据中演进智能体技能 为什么各行业的 Copilot 使用方式看起来如此相似，以及这种观察遗漏了什么（在新标签页中打开）Shiksha Copilot：资源匮乏学校中用于整理和定制教案的教师与 AI 协作 新 AI 框架弥合中期天气预报中的一个关键缺口 BioEmu2 开放公开预览（在新标签页中打开）章节 00:48：一种自我改进的智能体框架（在新标签页中打开）01:35：理解编程智能体的成功与失败（在新标签页中打开）02:29：利用活动日志演进智能体技能（在新标签页中打开）03:22：超越 AI 使用方式的相似之处（在新标签页中打开）04:15：帮助教师腾出更多时间用于教学（在新标签页中打开）04:52：改进延伸期天气预报（在新标签页中打开）05:42：BioEmu2 现已开放公开预览（在新标签页中打开）06:32：结束语（在新标签页中打开）订阅 Microsoft Research Podcast：Apple Podcasts 电子邮件 Android Spotify RSS 订阅源 文字实录 [音乐] SOWBHAGYA SURESH：嗨，我是 Sowbhagya Suresh。欢迎收看《Microsoft Research Focus》。你可能读过我们的简报。现在，你还可以在这里、YouTube 和主流播客平台上了解微软研究界的精彩动态。无论你选择阅读、观看还是收听，Research Focus 都是你获取微软研究新闻的渠道。本期内容包括：日常使用 AI 揭示了我们怎样工作；一种新的 AI 模型如何帮助科学家更好地理解蛋白质；一种提前数周改进天气预报的新方法；以及更多内容。那么，来看看有哪些新进展。一种自我改进的智能体框架 AI 智能体正越来越多地处理复杂任务。[音乐渐弱] 这些任务需要多个步骤、决策，以及与外部工具交互。但是，如果智能体在出错时进行调整可能需要大量资源，而且无法保证取得更好的结果，我们又怎么能放心让它们完成工作？一种名为 ForkPilot 的新型自我改进框架会学习何时值得重新审视先前的决策、寻找不同的做法，并根据新的结果调整策略。在六项基准测试和领先的 AI 模型上进行的测试表明，ForkPilot 的表现可与现有最佳方法相媲美，同时将 AI 处理需求最多降低 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，从而使其大规模部署更加切实可行，也更具成本效益。[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代码、编辑代码和运行代码来执行用户请求。如果我们想打造能力更强、更可靠的编程智能体，理解这些智能体为何失败至关重要。遗憾的是，现有基准测试往往难以确定哪些因素促成了成功或失败。CABRA 是一种从零开始生成编程挑战的框架。它让研究人员能够以可控的方式提高复杂度，并准确找出智能体最难掌握的技能。在数千项生成的挑战中，研究人员发现，智能体经常借助工具克服编程难题。然而，当需要理解不熟悉的代码库时，智能体仍然举步维艰。研究结果表明，理解现有代码，而非修改代码，仍是开发更有效编程智能体的最大障碍之一。[过渡音乐] 利用活动日志演进智能体技能 计算机操作智能体是为完成需要点击和输入的任务而设计的 AI 系统。它们可以填写表单、处理请求和浏览网站。要有效完成这些任务，它们需要学习人们用来完成工作的操作流程。用户活动日志提供了一种获取这些知识的途径。但活动日志通常不记录每项操作背后的意图，而且往往混杂了多个任务。新框架 TeleTune 从这些日志中学习可复用的技能和工作流程，还能推断与一连串操作相关的任务目标。在涵盖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法，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 使用方式的相似之处（在新标签页中打开）各行各业的员工使用 AI 的方式看起来可能出奇地相似，但仔细观察会发现另一番景象。微软研究人员分析了广泛客户类别的 Copilot Chat 汇总活动，发现编辑文档是所有已分类活动中最常见的一项，占比超过 20%。但当研究人员剔除最常见的 20 项活动后，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组织如何将其用于更专业工作的重大差异。对企业领导者来说，结论很明确：不要想当然地认为，你的 AI 需求与同行业其他企业相同。要找到合适的机会，就需要超越使用统计数据，了解员工实际做什么、如何工作，以及哪些成果最重要。[过渡音乐] 帮助教师腾出更多时间用于教学 一项新研究显示，Shiksha Copilot 这一有人参与的 AI 工具如何可能改变全球南方课堂中教师的工作流程。这项在印度资源匮乏学校开展的研究发现，该工具减少了教师在双语备课和行政事务上花费的时间。这让他们有更多时间设计更能吸引学生的课堂活动。超过 1000 名教师参与了研究，许多人表示压力减轻，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调整和改用材料，使之适合自己的课堂。[过渡音乐] 改进延伸期天气预报 10 天天气预报已经变得相当可靠。但之后几周的预报呢？未来 2 至 6 周的时间窗口仍是预报模型面临的一大挑战，而这确实是个问题。因为在这段时间里，人们会作出涉及农业生产、野火管理和极端天气防范等方面的众多关键决策。一种名为概率偏差校正（Probabilistic Bias Correction，简称 PBC）的新机器学习框架正在帮助弥合这一缺口。PBC 从天气模型过去的错误中学习，并帮助纠正这些错误。初步结果令人鼓舞。PBC 在一项旨在改进延伸期预报的全球竞赛中夺得最高荣誉。它也正在肯尼亚部署，帮助改进对农民至关重要的季风预报。这项进展可能有助于让天气预测在广泛应用中更加有用。[过渡音乐] BioEmu2 现已开放公开预览（在新标签页中打开）BioEmu2 是一种用于理解生物分子结构、动力学和功能的新基础模型，现已开放公开预览。BioEmu2 由微软研究院 AI for Science 团队开发，以 Biomolecular Emulator 为基础；后者是一种旨在帮助科学家更好地理解蛋白质如何工作的深度学习模型。这种理解可能对医学产生重要影响。通过进一步了解蛋白质如何发挥作用，科学家或许能更接近开发出更有效的药物，以增强有益的蛋白质活性，或防止蛋白质造成伤害。访问 BioEmu2 的 Microsoft Research GitHub 代码库（在新标签页中打开），探索该模型并了解更多信息。[音乐] 以上就是本期 Research Focus。从能力更强的 AI 智能体到更好的天气预报，这些只是微软研究人员正在探索的部分进展。想了解更多并保持关注吗？在主流社交平台关注 Microsoft Research，探索最新研究，认识背后的研究人员，并持续了解塑造未来的理念。我是 Sowbhagya Suresh。非常感谢你的收看收听。我们下期《Microsoft Research Focus》再见。[音乐渐弱] 显示更多 在新标签页中打开 文章《Microsoft Research Focus – 第 97 期》最早发表于 Microsoft Research。