Microsoft Research Blog

CORPGEN은 계층적 계획과 메모리 분리, 경험 기반 학습을 통해 다중 작업 부하에서 기존 에이전트 대비 최대 3.5배 높은 완료율을 달성했다.

GigaTIME은 H&E 슬라이드를 고해상도 가상 mIF 이미지로 변환해 24개 암종에 걸쳐 약 30만개 가상 샘플을 생성하고 임상 연관성을 대규모로 규명했다.

Agent Lightning은 에이전트 실행을 상태·행동 전이로 표준화해 코드 변경 없이 RL로 훈련할 수 있게 한다.

Argos는 교사 모델과 규칙 기반 검사를 이용해 모델 출력의 관찰 근거를 자동으로 검증하고 그 결과를 보상으로 활용하여 시공간적 근거가 있는 행동을 학습시키는 프레임워크이다.

UniRG는 강화학습으로 임상적 보상 신호를 직접 최적화하여 흉부 엑스레이 리포트 생성에서 성능과 외부 일반화 능력을 향상시켰다.

Microsoft Research가 저자원 언어용 ASR 리더보드 PazaBench와 현장 검증 기반 Paza ASR 모델을 공개했다.

Aurora 1.5는 22개 추가 변수와 시간별 해상도 및 확률적 앙상블을 갖춘 오픈소스 지구 시스템 파운데이션 모델이다.

Flint는 의미론적 데이터 타입과 자동 레이아웃을 활용해 간단한 사람 편집형 명세를 여러 시각화 백엔드용 고품질 차트로 컴파일할 수 있다.

SkillOpt은 스킬 파일을 모델 외부의 학습 가능한 매개변수로 취급해 한정된 텍스트 편집과 검증 게이트 등으로 모델 가중치를 바꾸지 않고 6개 벤치·7개 모델·3개 실행 모드의 52개 평가 셀에서 최상위 성능을 달성했다.

Memora는 저장 내용과 검색 방식을 분리해 LoCoMo와 LongMemEval에서 SOTA를 달성하면서 최대 98%의 컨텍스트 토큰 절감을 기록했다.

Generative Causal Testing은 LLM 기반 뇌 예측 모델을 간결한 개념 설명으로 추출하고, LLM이 만든 자극을 fMRI에서 검증해 뇌 영역의 선택성과 미세영역을 확인한다.

Microsoft Research가 소형 모델(SLM)을 활용해 브라우저와 로컬 파일 시스템에서 복합 작업을 수행하는 에이전트 애플리케이션 MagenticLite를 공개했다.

마이크로소프트가 NSDI 2026에서 KV 캐시 공유를 통한 LLM 처리량 향상 및 AI 기반 네트워크 테스트 자동화 등 11편의 혁신적인 시스템 연구 논문을 발표했습니다.

Microsoft Research는 다중 에이전트 환경에서 개별 모델 테스트로는 발견할 수 없는 전파성 웜, 평판 조작 등 4가지 네트워크 수준의 보안 리스크를 규명했다.