微软亚洲研究院
ニュース&特集
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…
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…
如今的大语言模型早已在数学领域展现出令人惊叹的实力，在 AIME 美国数学邀请赛、IMO 国际数学奥林匹克竞赛等高难度抽象数学竞赛中，多款主流模型都能交出近乎满分的答卷。这一表现也成为大模型推理能力持续突破的亮眼标签。 但是，这些在抽象数学题中所向披靡的“学霸”，面对藏在现实场景中的数学问题时却频频失手，抽象解题能力始终无法转化为可靠的现实应用能力，形成了巨大的性能落差。比如模型能精准解出抽象的数…
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，保持对前沿领域的敏锐嗅觉，同时也能找到先进实用的开源工具。 4月23日至4月27日，深度学习与表征学习领域最负盛名的学术会议之一的ICLR，将在巴西里约热内卢举行。我们通过两期“科研上新”为大家带来多篇微软亚洲研究院入选ICLR 2026的精选论文解读。在第一期中，我…
随着生成式AI逐步走入设计、数据分析和程序开发等工作流程，甚至点餐、购物等生活场景，人们开始频繁与AI“对话”。然而，设计师反复修改提示词却始终难以贴近心中的画面；数据分析师难以用文字精确指代图表局部；程序员也很难仅凭文字就让AI准确理解特定的代码结构——“说不清楚”，正成为生成式AI时代普遍存在的交互瓶颈。 文字提示灵活却天然模糊，GUI界面交互精准却表达受限，两者之间始终缺少一座连接用户意图与…