Microsoft Research Focus 第 97 期：自改进 Agent 框架 ForkPilot、编程基准 CABRA、BioEmu2 公开预览等多项研究
Microsoft Research Focus – Edition #97
Microsoft Research 发布第 97 期研究聚焦：自改进智能体框架 ForkPilot 在六个 benchmark 上媲美最优方法，同时将 AI 处理开销最多降低 59%；编程挑战生成框架 CABRA 发现智能体理解陌生代码库仍是主要短板。BioEmu2 生物分子基础模型现已在 GitHub 开放公开预览，PBC 天气框架在全球延长时效预报竞赛中夺冠并部署于肯尼亚。
一个自我改进的智能体框架
AI 智能体越来越多地承担着复杂的任务。
[音乐渐弱]
这些任务需要多个步骤、决策以及与外部工具的交互。但如果 AI 智能体在出现问题时进行调整的能力可能需要大量资源，且无法保证得到更好的结果，我们又怎么能放心让它们来完成工作呢？
一个名为 ForkPilot 的新型自我改进框架学会了判断何时值得重新审视早期的决策以寻找不同的方法，并根据新的结果调整其策略。
在六个基准测试和主流 AI 模型上的测试中，ForkPilot 的表现与现有的最佳方法相当，同时将 AI 处理需求最多降低了 59%。这些结果表明，AI 智能体可以更可靠、更高效地解决复杂问题，使其在大规模部署时更加实用且更具成本效益。
[过渡音乐]
理解编码智能体的成功与失败
编码智能体通过对代码进行推理、编辑和运行来执行用户的查询。要构建更强大、更可靠的编码智能体，理解这些智能体为何失败至关重要。遗憾的是，现有的基准测试往往难以识别哪些因素导致了成功或失败。
CABRA 是一个从头生成编码挑战的框架。它让研究人员能够以受控的方式增加复杂度，并精确定位对智能体而言最难的技能。
在对数千个生成的挑战的研究中，研究人员发现智能体通常通过使用工具来克服编码问题。然而，当需要理解不熟悉的代码库时，这些智能体仍然力不从心。研究结果表明，理解现有代码（而非修改代码）仍然是开发更高效编码智能体的最大障碍之一。
[过渡音乐]
利用活动日志演进智能体技能
计算机使用智能体是旨在完成需要点击和打字任务的 AI 系统。它们可以填写表单、处理请求和浏览网站。为了高效完成这些任务，它们需要学习人们完成工作所使用的流程。用户活动日志可以提供一种捕捉这些知识的方法。但活动日志通常不会记录每个操作背后的意图，而且常常将多个任务混合在一起。
新框架 TeleTune 从这些日志中学习可复用的技能和工作流程。它还能推断与操作序列相关联的任务目标。
在跨软件和浏览器任务的评估中，TeleTune 的表现优于现有方法。通过从现有活动中学习，TeleTune 提供了一种可扩展的方式，帮助 AI 智能体适应不熟悉的软件并执行复杂的多步骤工作流程
[过渡音乐]
超越 AI 使用中的表面相似性（在新标签页中打开）
不同行业的员工使用 AI 的方式看似惊人地相似，但仔细观察就会发现另一番景象。
Microsoft 研究人员分析了广泛的客户类别中聚合的 Copilot Chat 活动，发现编辑文档在所有已分类的活动中位居首位，占比超过 20%。
但当研究人员排除 20 项最常见的活动后，客户类别之间的差异变得更加显著。AI 最常见的用途可能掩盖了各组织在将其用于更专业化工作方面的重要差异。
对于企业领导者来说，结论很明确：不要认为你和同行业其他人的 AI 需求相同。要找到合适的机会，就需要超越使用统计数据，去了解员工的实际工作内容、工作方式以及哪些成果最为重要。
[转场音乐]
帮助教师腾出更多教学时间
一项新的研究展示了 Shiksha Copilot——一款人机协同的 AI 工具——如何改变全球南方课堂中教师的工作流程。
这项在印度低资源学校开展的研究发现，该工具减少了教师在双语备课和行政事务上花费的时间。这让他们有更多时间去设计更具吸引力的课堂活动。
一千多名教师参与了这项研究，许多教师表示压力水平有所降低，并且对 AI 如何提供帮助留下了积极印象。这些教师积极使用 Shiksha Copilot，运用自己的专业知识对材料进行调整和改造，以适应各自课堂的需要。
[转场音乐]
改进延伸期天气预报
十天的天气预报已经变得非常可靠。但之后的几周呢？
两到六周的时间窗口仍然是预报模型面临的重大挑战，而这确实是个问题。因为正是在这段时间里，人们会做出许多与农业、野火管理和极端天气防备相关的关键决策。
一个名为概率偏差校正（Probabilistic Bias Correction，简称 PBC）的新机器学习框架正在帮助弥合这一差距。PBC 从天气模型过去的错误中学习，并帮助纠正这些错误。
早期的结果令人鼓舞。
PBC 在一项专注于改进延伸期预报的全球竞赛中拔得头筹。它还被部署在肯尼亚，帮助改进对农民至关重要的季风预报。
这一进展有望让天气预报在广泛的应用领域中变得更加有用。
[转场音乐]
BioEmu2 现已开放公开预览（在新标签页中打开）
BioEmu2 是一个用于理解生物分子结构、动力学和功能的新型基础模型，现已开放公开预览。
BioEmu2 由 Microsoft Research AI for Science 团队开发，建立在 Biomolecular Emulator 之上——后者是一个深度学习模型，旨在帮助科学家更好地理解蛋白质的工作原理。
这种理解可能对医学具有重要意义。通过更深入地了解蛋白质的功能，科学家们可以更接近于开发更有效的药物，以增强有益的蛋白质活性或防止蛋白质造成危害。
前往 BioEmu2 Microsoft Research GitHub 仓库（在新标签页中打开）探索该模型并了解更多信息。
[音乐]
以上就是本期《研究聚焦》。
从更强大的 AI 智能体到更好的天气预报，这些只是微软研究人员正在探索的部分进展。
想了解更多并保持联系？在各大社交平台上关注 Microsoft Research，探索最新研究，认识研究背后的人，并持续关注塑造未来的种种想法。
我是 Sowbhagya Suresh。非常感谢您的收看。我们下期《Microsoft Research Focus》再见。
[音乐渐弱]
来源： Microsoft Research · microsoft.com