研究：生成式 AI 对批判性思维的影响（2025 年自评报告）
该论文题为《生成式 AI 对批判性思维的影响：自评报告（2025）》，发布在 ACM 数字图书馆，讨论生成式 AI 使用与批判性思维之间的关系。Hacker News 上该条目获得 72 分、48 条评论。
#Microsoft
Hacker News AIAI 评分5555
Hacker News AIAI 评分7272 Forever Security 研究：五款 AI 编码工具内置浏览器违反基本浏览器规则
Forever Security 于 10 月 29 日发布 EMBRACE 研究，称 Cursor、GitHub Copilot、Codex、VS Code 和 Claude Desktop 内置浏览器各自突破了一条常规浏览器规则。
Microsoft ResearchAI 评分4040 微软用合成企业数据评估 Copilot：从模拟环境到真实 AI 置信度
微软构建 Industry Evaluation Data Generation Platform，用基于 O*NET、招聘信息和 SEC 文件等公开数据生成的全合成企业环境来评估 Microsoft Copilot，全程不接触客户数据。平台包含模拟租户、自动化查询生成管线和结构化质量框架，可复现真实组织的时间演化与行业工作流，并据此建立 Copilot 首个标准化评估基线。
Microsoft ResearchAI 评分2222 Microsoft Research Focus 第97期：ForkPilot、CABRA、TeleTune 与 Copilot 使用差异研究
Microsoft Research Focus 第97期介绍了多项新研究：自改进智能体框架 ForkPilot 在六个基准和多个主流 AI 模型上测试，达到现有最佳方法水平的同时将 AI 处理开销降低最多 59%。
Hugging Face Blog精选AI 评分6262 微软与 Hugging Face 开源 ThinkingBox-Training：把数据库校验结果变成 Agent 的 RL 奖励
微软与 Hugging Face 开源 ThinkingBox-Training，把 ThinkingBox 对数据库终态的确定性校验直接当作 RL 奖励，用于训练 Agent。
推荐理由：微软与 Hugging Face 联合开源了把数据库终态校验转成 RL 奖励的训练栈，并给出 Qwen3.8-27B 的可复现配置。
TechCrunch · AIAI 评分6666 微软 MAI-DxO 多智能体诊断系统在复杂病例模拟中准确率 83%，高于全科医生的 36%
微软的 MAI-DxO 系统在《Science》发表的研究中，对《新英格兰医学杂志》复杂病例的模拟诊断准确率为 83%，而单独作答的全科医生和内科医生为 36%，但这些复杂病例通常由专科医生或团队处理，未纳入对比。
The Verge · AIAI 评分7373 微软称其 AI 诊断工具在诊断疾病上优于医生
微软公布名为 Diagnostic Orchestrator 的 AI 诊断系统，称其在测试中诊断准确率最高达人类医生的四倍，相关结果发表在 Science 上。
Microsoft Research精选AI 评分7878 微软研究院用人类引导的 AI 智能体证明 31 年悬而未决的 KLS 猜想
微软研究院的 Xinzhi Zhang 与合著者 Zhao Song 证明了 1995 年提出的 Kannan-Lovász-Simonovits（KLS）猜想，证明该猜想中的界与维度无关。
推荐理由：读者可以看到人机协作如何被拆成可复用的搜索与剪枝流程，以及独立证明和 Lean 形式化如何构成交叉验证。
Microsoft ResearchAI 评分5858 微软研究院发布 Magnetar：基于标准哈希函数的通用零知识证明系统
微软研究院发布零知识虚拟机 Magnetar，可直接证明用 Rust、Go 或 C 编写的程序，在 15 个基准程序上平均比现有最快的同类 zkVM 快 10 到 39 倍，证明验证约需 12 毫秒。
Microsoft ResearchAI 评分5252 微软研究院提出 StudentSim：用个性化学生模拟器评估和改进 AI 导师
微软研究院提出 StudentSim，从公开的去标识化学习记录训练个性化学生模拟器，用于在真实学习者测试前评估和改进 AI 导师。研究同时发布覆盖国际象棋、第二语言英语写作和数学的基准 StudentSimEval，从行为保真度和对指导的响应性两个维度评估模拟器。
GitHub Blog · AI & ML精选AI 评分6161 GitHub 发布 ReviewBench：面向 AI 代码审查的开放基准
GitHub 发布 ReviewBench，一个面向 AI 代码审查智能体的开放离线基准，基于 103.9M 条 GitHub PR 的分布构建，包含 219 个 PR、覆盖 19 种语言。
推荐理由：GitHub 公开了 ReviewBench 的构建方法、评分规则与验证数据，读者可据此了解 AI 代码审查的评测方式。
Microsoft ResearchAI 评分4040 微软研究院用机器学习预测电网空间天气风险，覆盖美国66,935座变电站
微软研究院开发了一套端到端机器学习流水线，利用L1太阳风观测与AE、Dst指数预报，结合纬度、地质电导率等数据，为美国本土66,935座变电站生成提前30-60分钟的位置级空间天气风险估计。