机构与实验室
微软的 Copilot 系列产品、Azure AI 云服务，以及与 OpenAI 的合作动向。
7 条精选近 30 天 5 条共收录 14 条
作者提出 guardscope 框架，用于测量企业运行时控制（如 agent gateway）对 LLM Agent 动作路径的实际覆盖范围。框架分两阶段：静态阶段从控制源码预测其能检查 15 条动作路径中的哪些，实证阶段在 8 种拓扑部署上运行固定负载，将控制决策记录与内核级真值比对，把每个动作分类为已检查、被绕过或被阻止。
推荐理由：针对运行时控制只覆盖部分动作路径的问题，给出可核验的覆盖度测量框架，并接入真实控制产品做实验。
微软研究人员提出 Lazarus 后门技术，通过重编程 LLM 中不到 10 个休眠神经元，无需训练即可给基于该模型的 AI 智能体植入后门，模型仍能通过标准评测并表现正常，直到触发条件出现。
推荐理由：研究显示仅改写不到 10 个休眠神经元即可给智能体植入后门，且模型仍能通过常规评测，为权重完整性与来源审计提供了具体依据。
微软研究院联合 GitHub Next 推出研究原型 PDD Kit，把开发者的自然语言意图转成 Verus 形式规约，再证明编码 Agent 生成的代码对每个输入都满足该规约，证明覆盖不到的部分回退到测试。
推荐理由：微软研究院与 GitHub Next 展示 PDD Kit 如何把自然语言意图转成 Verus 形式规约，并在真实 Rust 全栈应用上验证登录逻辑。
微软研究院提出 Flint-interactive，在 Flint 之上用高层语义事件和更新算子描述图表交互，由 Flint 编译器处理布局、渲染与依赖，从而降低生成成本并提升可靠性。
推荐理由：微软研究院团队发布 Flint-interactive，把交互逻辑交给编译器处理，读者可据此判断 AI 生成交互式图表是否更易落地。
微软研究院 Xinzhi Zhang 与合著者 Zhao Song 证明了 1995 年提出的 KLS 猜想，说明对对数凹分布而言，最佳平面切割与任意形状最佳切割的效果之差不超过一个与维度无关的通用常数。研究团队在人类引导的智能体流程中探索了 100 多条候选路径，最终借助递归改进与误差有界论证完成证明；同期另有独立团队给出完整证明，并出现了 Lean 4 形式化验证。
推荐理由：该工作给出 KLS 猜想的完整证明，并展示了人类引导 AI 智能体搜索、筛选候选思路的协作过程。
GitHub 产品负责人 Erin Havens 用九个季度的数据说明，密钥泄露问题源于代码产出速度超过人工修复速度，而非开发者变得粗心：Q2 2024 至 Q2 2026 期间，公开 push 量增长 2.84 倍，携带凭据的 push 增长 2.59 倍，但每次 push 的密钥出现率没有可检测的趋势，开发者主动覆盖 push 拦截的比例从 6.63% 降至 3.93%。
推荐理由：GitHub 产品负责人用九个季度的数据说明密钥泄露为何随代码量增长，并介绍其与 Microsoft 合作训练的检测分类器。
GitHub 发布 ReviewBench 代码审查离线基准，基于 1.039 亿个 GitHub PR 的语言与仓库规模分布，构建了覆盖 19 种语言、187 个开源仓库的 219 个 PR 评测集。
推荐理由：读者可了解该基准如何用多源金标集与可配置指标衡量代码审查智能体，并查看其与线上实验的对应关系。