微软亚洲研究院
新闻与深度文章
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…
| Yifan Yang, Xuemei Gao, Qi Dai, Bei Liu, Kai Qiu, Dongdong Chen, 和 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…