Microsoft Research는 자율 에이전트에 대한 확장 가능하고 비용 효율적인 연구를 가능하게 하기 위해 설계된 오픈소스 프레임워크인 Orchard를 출시했습니다. 이 시스템은 소프트웨어 엔지니어링, 웹 탐색, 개인 비서 등 다양한 도메인에서 에이전트를 훈련하고 평가할 수 있는 Kubernetes 기반 환경 서비스인 Orchard Env를 중심으로 합니다.
Microsoft Research는 컴퓨터 사용 에이전트를 훈련시키기 위해 설계된 12개의 심층 합성 환경 모음인 Echoverse를 출시했습니다. 이 이니셔티브에는 도메인 특화 세계 10개와 능력 중심 세계 2개가 포함되어 있으며, 모두 일관된 상태와 행동 충실도를 유지하도록 구축되었습니다.
마이크로소프트 리서치는 연결성, 포위, 순서, 분리 및 매듭에 대한 위상적 직관을 다중 모달 대규모 언어 모델이 갖추고 있는지 평가하기 위해 설계된 새로운 벤치마크인 MindTopo를 선보였습니다.
마이크로소프트 리서치는 생성적 보고서 작성과 보정된 진단 예측을 결합하여 현재 방사선학 비전-라이트 모델의 격차를 해결하도록 설계된 연구 모델인 CARE-X를 선보였습니다. 이 시스템은 임상적 정확성에 대한 보상을 위해 강화 학습(DAPO)을 사용하며, 정밀한 계산이 필요한 상태에 대한 성능 평가를 위해 Qwen3-VL-4B-Instruct 모델을 결정론적 측정 도구와 페어링합니다.
Microsoft Research는 추론 중 정답 레이블이나 외부 피드백 없이도 대규모 언어 모델이 자신의 경험으로부터 학습할 수 있는 프레임워크인 EvoLib를 도입했습니다. EvoLib는 원시 경험을 정적 메모리로 저장하는 대신, 지속적으로 정제되고 통합되며 재가중되는 재사용 가능한 기술과 반성적 통찰력으로 변환합니다.
저자들은 다중 모달 과학적 이해, 추론, 생성 및 장기 작업을 지원하도록 설계된 일련의 과학적 에이전트 파운데이션 모델인 Intern-S2-Preview를 제시합니다. 학습 파이프라인은 렌더링된 과학 문서, 교차된 이미지-텍스트 데이터 및 다양한 과학 코퍼스에 대한 과학적 다중 모달 사전 훈련을 시작으로 합니다.
저자들은 Intern-S2-Preview를 제시하는데, 이는 멀티모달 과학적 이해, 추론, 생성 및 장기 작업을 지원하도록 설계된 일련의 과학용 에이전트 파운데이션 모델입니다. 훈련 파이프라인은 렌더링된 과학 문서, 교차된 이미지-텍스트 데이터 및 다양한 과학 코퍼스를 대상으로 한 과학 멀티모달 사전 훈련으로 시작됩니다.
Microsoft, 상하이 자오퉁 대학, 퉁지 대학, 푸단 대학 연구진은 목표 모델을 고정된 상태로 유지하면서 자연어 기술 문서를 학습하는 텍스트 공간 최적화기인 SkillOpt를 개발했습니다. 이 시스템은 스코어링 롤아웃을 기반으로 제한된 편집을 제안하는 최적화 모델과 단일 `best_skill.md` 파일로 결과를 내보냅니다.
Microsoft는 이미지 및 비디오 이해를 위한 효율적인 4B 파라미터 멀티모달 파운데이션 모델인 Mage-VL을 출시했으며, 이는 시각적 처리를 간소화하기 위해 코덱 네이티브 접근 방식을 사용합니다. 이 시스템은 비디오 스트림을 앵커(I) 프레임과 예측(P) 프레임으로 분리하고, 코덱이 비트를 할당하는 패치만 유지하여 시각적 토큰 소비를 75% 이상 줄입니다.
Microsoft AI는 취약점 감지를 개선하기 위해 MDASH 에이전트 스캐닝 허브 내에서 실행되는 사이버 보안 전문 모델인 MAI-Cyber-1-Flash를 출시했습니다. 이 모델은 총 137B, 활성 파라미터 5B의 희소 Mixture-of-Experts 트랜스포머로, MAI-Code-1-Flash 계통에서 파생되었습니다.
Microsoft는 효율적인 텍스트-이미지 생성과 지시 기반 이미지 편집을 위해 설계된 경량 4B 규모 생성 스택인 Mage-Flow를 출시했습니다. 이 시스템은 경량 토크나이저인 Mage-VAE와 네이티브 해상도 멀티모달 디퓨전 트랜스포머(NR-MMDiT)의 공동 설계를 통해 최첨단 경쟁 수준의 품질을 달성합니다.
마이크로소프트 리서치 AI Frontiers는 웹 브라우저를 위해 설계된 멀티모달 컴퓨터 사용 에이전트인 Fara1.5-27B를 출시했습니다. 이 모델은 스크린샷을 통해 브라우저 인터페이스를 관찰하고 클릭, 입력, 스크롤 및 검색과 같은 구조화된 도구 호출을 방출하여 작업을 실행합니다.