마이크로소프트 리서치는 생물학의 다중 모달 세계 모델과 모델, 과학적 도구, 문헌, 연구자를 연결하는 상호작용형 하니스를 구축하기 위해 설계된 새로운 연구 노력인 Quine을 소개했습니다. 이 시스템은 과학자들이 습식 실험 환경에서 테스트할 제안을 생성하고, 그 결과를 통해 향후 질문을 정제할 수 있도록 함으로써 계산 모델링과 실제 실험 간의 격차를 해소하는 것을 목표로 합니다.
Microsoft Research는 두 개의 보완적 모델을 결합하여 고품질 합성 경로를 제안하는 새로운 역합성 예측 프레임워크인 RetroChimera를 출판하고 오픈소스로 공개했습니다. 이 시스템은 학습된 앙상블 전략을 사용하여 R-SMILES 2(Transformer 기반의 de-novo 모델)와 NeuralLoc(GNN 기반 모델)을 통합하고 예측을 순위 매깁니다.
마이크로소프트 리서치는 물리적 AI 추론이 온보드 로봇 GPU에서만 실행되어야 한다는 가정에 도전하며, 엣지 또는 클라우드 인프라로의 오프로딩이 모바일 조작 워크로드를 크게 향상시킴을 입증했습니다. 그들의 로봇공학 워크로드에 대한 체계적인 연구는 온보드 컴퓨팅 의존성이 성능, 배터리 수명 및 확장성을 제한한다는 것을 보여줍니다.
ExecCritic은 코딩 에이전트의 잘못된 자신감을 방지하기 위해 테스트 구성과 소스 코드 수리를 분리하는 프레임워크를 도입합니다. 이 시스템은 Qwen-3.5-35B-A3B로 구동되는 Test 에이전트와 Repair 에이전트를 사용하며, 두 에이전트는 각각 강화 학습을 통해 훈련됩니다.
연구자들은 테스트-검증-수정 스캐폴드와 역할별 강화 학습을 결합하여 코딩 에이전트를 향상시키는 프레임워크인 ExecCritic을 소개했다. 이 시스템은 테스트 구축과 소스 코드 수리를 분리하며, Test 에이전트는 저장소 네이티브 테스트를 생성하고 Repair 에이전트는 실행 피드백을 기반으로 코드를 수정한다.