AI实验室收购倒闭初创公司数据用于模型训练
AI实验室正通过SimpleClosure和Sunset等平台购买倒闭初创公司的代码和工作区数据以补充训练资源。此类交易在2026年预计将向初创公司返还超过1000万美元，且47%的SimpleClosure交易包含数据销售。
推荐理由：原文梳理了AI实验室收购倒闭初创公司数据的交易规模、定价逻辑及隐私法律争议，为理解当前模型训练数据获取的新路径提供了具体案例。
全部 AI 动态
MIT Technology Review · AI精选AI 评分7878 GitHub Blog · AI & MLAI 评分5353 GitHub Copilot 入门教程：如何向 Copilot 传授代码库知识
GitHub Copilot 官方发布新手教程，详解如何通过自定义指令、Agent Skills、自定义 Agent 和 MCP 服务器四种方式让 Copilot 掌握项目规范与上下文。
Microsoft ResearchAI 评分4545 Microsoft Research 推出 StudentSim：用于评估 AI 辅导系统的个性化学生模拟器
Microsoft Research 发布 StudentSim，通过公开去标识化数据训练个性化 AI 学生模拟器，以加速 AI 辅导系统研发。该工具结合行为保真度与指导响应性两个维度，在象棋、英语写作及数学场景中优于基线模型。配套推出的 StudentSimEval 基准旨在提供早期反馈信号，辅助优化教学策略而非替代教师。
MIT Technology Review · AIAI 评分6868 MIT科技评论：过度依赖AI拒绝能力存在风险
MIT Technology Review 发表文章指出，当前 AI 行业过度依赖模型的“拒绝”（refusal）能力作为核心安全机制，但这种基于概率的防御手段既不可靠又可能被滥用。
MIT Technology Review · AIAI 评分6363 MIT科技评论分析：AI机器人突破短期内难改变生活
尽管马斯克等业界领袖预言人形机器人将很快普及并取代人类劳动，但多数机器人研究者认为这一愿景被严重高估。当前基于视觉-语言-动作模型（VLA）的机器人虽在特定任务上取得进展，如谷歌DeepMind的Gemini Robotics能完成简单家务，但仍面临训练数据稀缺、缺乏真正通用性以及成功率低等核心挑战。
MIT Technology Review · AIAI 评分2424 AVEVA 探讨构建更安全的自主工业 AI 路径
AVEVA 首席技术官 Arti Garg 提出通过数据整合与治理框架，在保障安全的前提下推进自主工业 AI。该方案强调 AI 应增强而非取代人类决策，并参与制定 IEEE 标准以量化其环境影响。
GitHub Blog · AI & ML精选AI 评分6262 GitHub 发布新密钥保护模型以应对 AI 代码激增
GitHub 宣布引入与 Microsoft Applied Sciences 共同开发的 ModernBERT 分类器，用于扩展 push protection 对非结构化密钥的检测能力。
推荐理由：GitHub 推出基于 ModernBERT 的密钥检测模型，将 push protection 响应时间降至 2ms 以下并提升拦截率，解决 AI 加速代码生成下的安全滞后问题。
Microsoft Research精选AI 评分8080 微软开源 Agent Lightning v1.0：基于真实 Harness 的轻量级智能体 RL 框架
微软亚洲研究院发布并开源了 Agent Lightning v1.0，这是一个仅约 3,500 行代码的轻量级智能体强化学习（Agentic RL）框架。该框架引入了 Harnessed Agentic RL 范式，允许直接使用部署时的智能体 Harness 参与训练，无需在训练框架内重新实现智能体逻辑。
推荐理由：微软亚洲研究院开源了仅3500行代码的轻量级智能体强化学习框架，支持在真实部署环境中直接训练，显著降低了工程门槛。
Microsoft ResearchAI 评分3838 Microsoft Research 探讨 AI 评估中的意外失败与经验教训
Microsoft Research 播客邀请 Jennifer Neville 与 Chad Atalla 对话，深入探讨 AI 评估在突破性能边界中的作用及模型超出传统基准测试时出现的“意外失败”。Neville 分享了处理当前 AI 系统的实用指南，强调当结果违背预期时仔细审视数据的重要性，并基于数十年 AI 进展预测未来趋势。
GitHub Blog · AI & ML精选AI 评分6060 GitHub 发布 AI 代码审查开放基准 ReviewBench
GitHub 发布 ReviewBench，这是一个用于评估 AI 代码审查智能体的开放基准。该基准基于对 GitHub 上 1.039 亿个真实 Pull Request 的分析构建，包含覆盖 19 种语言的 219 个代表性 PR。
推荐理由：GitHub 开源了基于亿级真实 PR 分布构建的代码审查基准 ReviewBench，提供了可复现的离线评估方法以辅助模型迭代。
MIT Technology Review · AIAI 评分3030 MIT Technology Review 报告：知识缺失阻碍 AI Agent 落地，仅 34% 项目进入生产
MIT Technology Review 发布报告指出，缺乏组织语境知识导致仅 34% 的 agentic AI 项目进入生产阶段。数据显示，数据碎片化是扩大 agent 知识访问的主要挑战（55% 受访者提及），而具备强语义知识能力的“生产领导者”组织平均有 61% 的项目超越试点。企业正优先投资 RAG、知识图谱及检索技术以强化数据与 agent 间的连接。
MIT Technology Review · AIAI 评分1515 预测分析在智能体 AI 时代的应用
2026年企业AI焦点已从预测模型性能转向自主决策能力，旨在让系统在不偏离业务意图的前提下独立行动。深度学习与生成式AI驱动的实时训练使模型能持续进化，并整合非结构化数据，推动企业从被动回顾转向务实前瞻。
GitHub Blog · AI & MLAI 评分2828 GitHub 提出开发者需强化的三项 AI 协作技能
GitHub 指出开发者应重点提升指挥 AI、评估输出及解决复杂问题的能力。建议利用 GitHub Copilot 的 Rubber Duck agent 引入第二模型进行代码批判，以弥补单一模型的盲区。通过让 AI 承担实现工作，开发者可聚焦于架构权衡与需求验证等高价值决策。
Microsoft ResearchAI 评分3737 Microsoft Research 机器学习系统预测美国电网空间天气风险
Microsoft Research 开发端到端机器学习管线，结合太阳风与地质数据预测美国66,935个变电站的空间天气风险。该系统可提前30至60分钟发出预警，在评估期内检测出近80%的重大事件。其AE指数RMSE为410.2 nT，对≥10 nT/min重大事件的检测率达76.5%，优于传统经验模型。
Microsoft Research精选AI 评分6868 微软研究院推出生物 AI 研究系统 Quine
微软研究院发布 Quine，这是一个旨在应对生物学复杂性的 AI 研究系统，包含生物世界模型和连接科学工具、文献及湿实验室的交互式框架。在与 Broad Institute 合作的研究中，Quine 用于预测和优先排序能驱动肿瘤状态转变的化合物，将原本需数月的实验筛选过程缩短至一个周末，并验证了多个候选化合物。
推荐理由：原文展示了 Quine 在胰腺癌研究中将数月实验压缩至一个周末的具体案例，读者可据此评估 AI 世界模型在加速药物发现中的实际效能。
Microsoft ResearchAI 评分1818 Microsoft Research Asia – Singapore 成立一周年回顾：深化合作与人才发展
Microsoft Research Asia – Singapore 自2025年7月24日成立以来，作为微软在东南亚的首个研究实验室，已深化与当地高校、政府及企业的合作。该实验室聚焦下一代AI模型、领域专用AI等四大支柱，推动多模态医疗AI等前沿研究落地。通过与新加坡经济发展局（EDB）等伙伴协作，其致力于构建连接前沿研究与实际应用的生态体系。
GitHub Blog · AI & MLAI 评分4545 GitHub Copilot 应用入门：如何用 canvases 构建自定义工作流
GitHub Copilot 应用通过 canvases 功能允许用户利用 `/create-canvas` 技能，以自然语言描述生成看板、清单等可定制界面。该双向共享状态支持用户与 AI 智能体实时同步操作，无需编写代码即可构建并保存为扩展复用。
GitHub Blog · AI & ML精选AI 评分6262 GitHub Copilot 演示 canvas 功能以替代聊天交互
Burke Holland 在 GitHub Blog 撰文指出聊天并非与 AI 交互的最佳 UI，并演示了如何使用 GitHub Copilot app 中的 canvas 功能构建全栈应用来优化工作流。
推荐理由：文章通过具体案例演示了如何利用 GitHub Copilot canvas 构建自定义界面，展示了脱离聊天框进行高效人机协作的实践方法。
GitHub Blog · AI & ML精选AI 评分7878 GitHub Security Lab 发布 AI 驱动的 Fuzzing Taskflow Agent
GitHub Security Lab 推出 Fuzzing Taskflow，这是一个针对 C/C++ 项目的自主模糊测试流水线。该工具利用 LLM Agent（默认使用 Claude Sonnet 5）自动识别入口点、编写 AFL++ 测试桩、分析覆盖率并生成漏洞报告。
推荐理由：GitHub Security Lab 开源了基于 LLM Agent 的自动化模糊测试流水线，展示了如何利用大模型替代人工完成从编写测试桩、分析覆盖率到漏洞分诊的全流程工作。
Microsoft Research精选AI 评分6565 微软研究院发布物理 AI 机器人推理卸载研究及工具链
微软研究院发表研究指出，仅在机器人端侧 GPU 运行物理 AI 推理会限制性能、电池寿命和可扩展性，而将推理卸载至边缘或云端可带来显著优势。在移动操作工作负载中，推理卸载提高了任务成功率，支持了更大的 AI 模型，并使机器人在动态环境中响应更有效。
推荐理由：微软研究院通过系统实测证明将机器人推理卸载至边缘或云端能显著提升任务成功率与续航，并发布了基于 Kubernetes 的配套工具链。