微软亚洲研究院
뉴스 & 기능
体检偶然发现的肾脏小肿块，常常让患者和医生陷入两难：它究竟是良性还是恶性？是立即手术，还是继续观察？现实中，一部分术后证实为良性的肿块，意味着患者可能承担了不必要的风险和医疗成本。如果能够在术前更准确地判断肿块的性质，并进一步推演治疗方案，将对肾癌的精准诊疗产生重要价值。 现有的通用医疗 AI 模型虽然具有广泛的医学影像表征能力，但往往无法深入理解肾癌诊疗中那些细微但关键的专科信息，例如肿瘤的形态…
编者按：什么样的研究员能在AI浪潮中持续保持创造力？微软亚洲研究院高级研究员郭宗昱，习惯把一件事从构想到落地一路推进，尤其专注于完成从0到80分的关键跨越。清醒的自我认知，让他在流媒体浪潮下扎根视频编解码研究，又在生成式AI爆发后果断转向Agentic Media（智能体式媒体）这一前沿方向。在唯快不破的AI时代，这种拥抱变化、主动转身的勇气，以及对信息本质的追寻，或许正是每一位身处浪潮中的探索者…
编者按：欢迎阅读“科研上新”栏目！“科研上新”汇聚了微软亚洲研究院最新的创新成果与科研动态。在这里，你可以快速浏览研究院的亮点资讯，紧跟前沿领域发展态势。 6月3日至7日，全球计算机视觉领域的顶尖学术盛会 CVPR 将在美国科罗拉多州丹佛市举行。本期“科研上新”将为大家带来多篇微软亚洲研究院入选 CVPR 2026 的精选论文解读，具体方向包括生成式视频压缩、扩散图像压缩、3D空间理解及实时说话人…
当前，大语言模型智能体（agent）的真正难点已经不在于“能不能调用工具”，而在于“能不能稳定、可复用地完成任务”。过去，智能体的技能通常有三种来源：专家手写、由前沿大模型一次性生成，或者运行后进行松散的自我修订。这些方法虽然在某些场景下能勉强见效，但都普遍缺少深度学习优化器才具有的“训练纪律”。 由于缺乏稳定的步长控制、显式的验证集选择，以及对失败修改的负反馈记忆，智能体的技能往往越改越长、越改…
我们已经习惯让大模型回答问题、生成代码、撰写报告，但当它真正要成为一名”贴身的个人助理”时，最难的反而是一件最朴素的事——记得住。 它需要记得住你三个月前提过的过敏药物，记得住你上周才搬家到新的城市，记得住你昨天交给它的那份长达 30 页的项目报告…… 为了攻克这一难题，来自微软亚洲研究院、微软AI与中国人民大学的研究团队提出了RHELM（Realistic, Heterogeneous, and…
SkillOpt: Agent skills as trainable parameters
| Yifan Yang, Xuemei Gao, Qi Dai, Bei Liu, Kai Qiu, Dongdong Chen, 그리고 Chong Luo
AI agents often fail because their instructions, or skills, are manually modified with no guarantee of improvement. Learn how SkillOpt turns skill editing into a training process, making agent behavior more reliable without changing model weights.
When you see robots participating in running races or performing folk dances on stage, you might envision a future where a simple natural language command is all it takes for a robot to tidy up a desk, clean a room,…
随着AI技术的快速发展，很多视频基础模型已经能够生成画面精美、风格多样的短片，但一个根本性问题始终未被解决：尽管模型擅长生成看起来逼真的画面，却并没有真正理解三维世界。当镜头旋转、推进或环绕时，这些模型生成的视频中的建筑会扭曲变形，物体会凭空消失，空间比例也常常前后矛盾。换句话说，这些模型学会了二维像素的统计规律，却尚未建立稳定的三维空间认知。 为了解决这一问题，微软亚洲研究院推出了一种通过强化学…
“医生，我这个片子到底有没有问题？” 这可能是在医院的诊室里经常听到的一句话。面对一张复杂的医学影像，医生不仅要给出“是与否”的答案，更需要向患者解释诊断的依据：这个阴影是什么？为什么怀疑是肿瘤？具体的医学证据在哪里？而在面对疑难杂症或复杂病症时，还需要多个科室的专家联合会诊，才能形成更严谨、准确的诊断结论。 近年来，具备图像理解能力的视觉语言模型（VLM）开始在医疗诊断方面展现潜力。但现有的AI…