Microsoft Research is at BUILD 2026 this week, giving developers a hands-on look at some of the many AI-based models and tools they can use to accelerate innovation, enhance their capabilities, and quickly transform ideas into prototypes.
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...
近年来,很多大模型都能从自然语言描述中稳定地写出单个函数或单个文件。但如何将这种能力延伸到“从高层规格生成完整仓库”,或者“对真实仓库形成持续可用的全局理解”,目前仍处于早期阶段。而这两个看似相互独立的方向,实则共享着同一个底层困局——缺少一种适合代码仓库的中间表示。 目前主流的AI智能体框架普遍依赖三类代偿性表示: 由此可见,这三种表示方式在某一维度上各自可用,却都无法构成一个同时具备语义密度与...
| Chenglong Wang, Scott Tsukamaki, Michel Galley, and Jianfeng Gao
Data Formulator introduces AI-powered analytics for enterprise data workflows. Data teams can easily bring enterprise data into an AI-ready workspace where users can explore, analyze, and visualize data with AI agents to turn raw data into actionable insights.
从文生图、文生视频,到文本生成音视频(Text-to-Audio-Video, T2AV),生成模型正在快速迈向更强的多模态表达能力。与此同时,一个关键问题也愈发突出:我们究竟该如何评测这些模型? 现有评测往往更关注单一模态的生成质量,难以同时衡量画面、声音、同步性、语义控制与复杂任务的执行能力。模型也许能生成“好看”的视频,却未必能做到音画一致;也许能生成“自然”的声音,却未必能准确遵循文本指令...
我们习惯了向AI提问宇宙的奥秘、代码的逻辑、生活的常识,但很少有人追问:当诚实与善良发生冲突,AI该如何选择?在缺少相关数据和信息的情境下,AI是否能做出符合人类普世价值观与伦理道德的选择?这些问题并非抽象的哲学思辨,而是AI走向社会、成为融入我们日常生活必须面对的真实考题。 为探索AI在复杂现实中对齐人类价值观与伦理的核心能力,微软亚洲研究院正式发起“全球人工智能价值观挑战赛(Global AI...
编者按:阿尔茨海默病、帕金森病等神经退行性疾病,长期面临早期难诊断、药物难入脑、病程难预测等挑战,困扰着无数患者与家庭。如今,人工智能的跨越式发展,正在为这一领域带来新突破。 微软亚洲研究院(上海)深耕人工智能与脑科学交叉领域,以三大创新推动神经疾病诊疗升级:通过多模态融合提升阿尔茨海默病早期信号识别能力,以人机协作打通脑靶向药物递送路径,并借助个性化模型实现帕金森病病程轨迹精准预测。 随着全球人...