Rebellious Student: Reversing Teacher Signals for Reasoning Exploration with Self-Distilled RLVR
反叛学生：通过自蒸馏RLVR反转教师信号进行推理探索
机构 * Microsoft Research（微软研究院） ； KAIST（韩国科学技术院）
AI总结 本文提出RLRT，通过反转自蒸馏信号增强正确路径上的推理，提升RLVR性能，建立信息不对称作为新设计轴。
大厂专区
Microsoft（微软）
Oracle Poisoning: Corrupting Knowledge Graphs to Weaponise AI Agent Reasoning
Oracle Poisoning：污染知识图谱以武器化AI代理推理
机构 * Microsoft（微软） ； UNSW Canberra（新南威尔士大学堪培拉分校） ； SAP ； OWASP Gen AI Security Project（OWASP生成式人工智能安全项目）
AI总结 本文研究了通过污染知识图谱来破坏AI代理推理的攻击方法，展示了六个针对生产级代码知识图谱的攻击场景，揭示了攻击者熟练度对信任度的影响，并评估了多种防御措施的有效性。
Comments 26 pages, 3 fugres, 16 tables
Security Risks in Tool-Enabled AI Agents: A Systematic Analysis of Privileged Execution Environments
工具赋能AI代理的安全风险：对特权执行环境的系统分析
机构 * Microsoft Corporation, USA（微软公司）
AI总结 本文系统分析了云托管AI代理的安全风险，通过三个代表性场景展示风险，并讨论了缓解策略及其权衡。研究发现，许多风险源于过度授权工具、能力意图不匹配和环境权威泄露。
Comments Extended author preprint. A shortened version has been accepted as a short paper at IEEE COMPSAC 2026. 7 pages, 3 figures/tables
CodeClinic: Evaluating Automation of Coding Skills for Clinical Reasoning Agents
CodeClinic：评估临床推理代理的编码技能自动化
机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； Microsoft Research（微软研究院）
AI总结 CodeClinic通过MIMIC-IV构建基准，评估LLM代理是否能合成和组合可重用的临床技能，而非依赖固定工具库，包含纵向ICU监控和组合信息检索任务，提升多步推理效率。
Position: Avoid Overstretching LLMs for every Enterprise Task
位置：避免为每个企业任务过度使用大语言模型
机构 * Eka Labs AI ； Microsoft（微软） ； SAP
AI总结 本文提出企业任务应避免过度依赖大语言模型，主张通过模块化架构提升可靠性与可维护性。
Delulu: A Verified Multi-Lingual Benchmark for Code Hallucination Detection in Fill-in-the-Middle Tasks
Delulu：一种经过验证的多语言基准，用于检测填充中间任务中的代码幻觉
机构 * University of Illinois Chicago（伊利诺伊大学芝加哥分校） ； Microsoft（微软）
AI总结 Delulu是一个包含1951个跨7种语言和4种幻觉类型的填充中间任务样本的多语言基准，通过对抗性流程筛选出经过验证的样本，评估了11种开放式FIM模型，证明了任务内在难度而非模型家族特定。
Unifying Scientific Communication: Fine-Grained Correspondence Across Scientific Media
统一科学交流：跨科学媒体的细粒度对应
机构 * IIIT Hyderabad（IIIT海得拉尔学院） ； Microsoft Research India & IIT Hyderabad（微软研究院印度分部及IIIT海得拉尔学院）
AI总结 本文提出MCD数据集，通过整合科研论文、演示视频、解释视频和幻灯片，评估不同模型在发现跨格式细粒度对应关系中的能力，揭示了视觉语言模型和嵌入模型的优缺点。
Comments Accepted at the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) Findings Track, 2026
MAGIC: Multi-Step Advantage-Gated Causal Influence for Multi-agent Reinforcement Learning
MAGIC: 多步优势门多智能体强化学习中的多步优势门因果影响
机构 * Dalian University of Technology（大连理工大学） ； Microsoft（微软） ； Microsoft, Beijing, China（微软（北京，中国））
AI总结 MAGIC通过多步优势门因果影响方法，估计多智能体强化学习中多步动作影响，将其中的有益行为转化为内在奖励，提升协调性。
STRIVE: Structured Spatiotemporal Exploration for Reinforcement Learning in Video Question Answering
STRIVE：结构化时空探索用于视频问答的强化学习
机构 * University of Bonn（波恩大学） ； Microsoft（微软） ； Meta ； Lamarr Institute for Machine Learning and Artificial Intelligence（拉马尔人工智能与机器学习研究所）
AI总结 STRIVE通过构建多时空变体和联合归一化提升视频问答的奖励信号，采用重要性感知采样机制增强策略更新稳定性，实验表明在多个大模型上提升了视频推理性能。
EventTSF: Event-Aware Non-Stationary Time Series Forecasting
EventTSF: 基于事件的非平稳时间序列预测
机构 * Griffith University, Australia（澳大利亚格里菲斯大学） ； Xidian University, China（西安电子科技大学） ； Yunnan University, China（云南大学） ； Microsoft Research Asia, China（微软亚洲研究院）
AI总结 本文提出EventTSF框架，通过分步扩散整合时间序列与文本事件，解决非平稳时间序列预测中的多模态交互问题，实验显示在7个数据集上优于12个基线模型。
Comments Accepted by the 35th International Joint Conference on Artificial Intelligence (IJCAI 2026)
Simulus: Combining Improvements in Sample-Efficient World Model Agents
Simulus：结合高效样本世界模型代理的改进
机构 * Technion（技术ion大学） ； Microsoft Research（微软研究院） ； ByteDance Seed（字节跳动种子实验室）
AI总结 本文提出Simulus，一种模块化的基于标记的世界模型代理，通过整合灵活的标记化框架、内在动机、优先世界模型回放和回归-分类方法，提升了样本效率，适用于多个基准测试。
Comments Revised version: updated title, abstract, and framing to better reflect our contributions and situate the work within the literature
ArchRAG: Attributed Community-based Hierarchical Retrieval-Augmented Generation
ArchRAG: 基于属性社区的分层检索增强生成
机构 * Microsoft（微软）
AI总结 ArchRAG通过引入属性社区和层次聚类方法，提升图数据检索效率与生成准确性，降低token消耗。
Comments Published in Proceedings of the AAAI Conference on Artificial Intelligence, 2026
Journal ref Proceedings of the AAAI Conference on Artificial Intelligence, 40(19), 15868-15876, 2026
Intrinsic Muon: Spectral Optimization on Riemannian Matrix Manifolds
内在缪子：在黎曼矩阵流形上的谱优化
机构 * Nanyang Technological University, Singapore（南洋理工大学，新加坡） ； Indian Institute of Technology Bombay, India（印度理工学院班加罗尔，印度） ； University of Sydney, Australia（悉尼大学，澳大利亚） ； Microsoft India（微软印度）
AI总结 本文提出内在缪子框架，通过在固定秩、SPD、Stiefel和Grassmann流形上实现闭式更新，解决传统缪子在流形参数上的泛化问题，并提供收敛保证。
Comments Code: https://github.com/1bang118/manifold-intrinsic-muon
Generating Leakage-Free Benchmarks for Robust RAG Evaluation
生成无泄漏的基准以评估鲁棒的RAG
机构 * Department of Computer Science, Purdue University（普渡大学计算机科学系） ； New Jersey Institute of Technology（新泽西理工学院） ； University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Microsoft Research（微软研究院）
AI总结 本文提出SeedRG方法，通过半合成方式生成无知识泄漏的RAG评估基准，解决基准老化问题，确保评估的有效性。
Can Revealed Preferences Clarify LLM Alignment and Steering?
揭示偏好能否澄清大语言模型对齐与引导？
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Microsoft Research（微软研究院）
AI总结 本文提出一种经验方法，通过估计LLM在决策任务中的隐含偏好，评估模型是否一致地追求目标，是否能描述其目标，以及提示是否能可靠引导策略。
Human-Inspired Memory Architecture for LLM Agents
受人类启发的记忆架构用于大语言模型代理
机构 * Microsoft（微软）
AI总结 本文提出一种受生物启发的记忆架构，通过六个认知机制解决内存积累问题，并引入合成校准方法提升评估准确性。
Comments 10 pages, 4 tables. Preprint; comments welcome
Training-free Spatially Grounded Geometric Shape Encoding (Technical Report)
无需训练的空间几何形状编码（技术报告）
机构 * Microsoft Research（微软研究院）
AI总结 本文提出XShapeEnc，一种无需训练的通用空间几何形状编码策略，通过分解几何形状和姿态，利用正交Zernike基和频率传播操作，实现高效、可逆且频率丰富的紧凑表示，适用于多种二维空间任务。
Comments Training-Free 2D Geometric Shape Encoding
Willful Disobedience: Automatically Detecting Failures in Agentic Traces
有意违背：自动检测代理轨迹中的故障
机构 * University of Washington（华盛顿大学） ； Microsoft Research（微软研究院）
AI总结 本文提出AgentPex工具，通过提取规则自动评估代理轨迹，发现传统仅关注结果的评估方法无法检测到关键流程故障，如错误的工作流路由、不安全的工具使用或违反提示规则的情况。
Comments Accepted at ACM CAIS 2026
When Agents Say One Thing and Do Another: Validating Elicited Beliefs from LLMs
当代理人言辞与行为不一致时：从LLMs中验证提取的信念
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Microsoft Research（微软研究院）
AI总结 本文提出一种决策理论框架，通过提取概率判断和决策并检验其一致性，验证LLMs的信念是否合理，发现最强模型的不一致程度较小。
Expert Evaluation and the Limits of Human Feedback in Mental Health AI Safety Testing
专家评估与心理健康AI安全测试中人类反馈的局限性
机构 * Stanford University（斯坦福大学） ； University College London（伦敦大学学院） ； Microsoft（微软）
AI总结 本研究探讨了在心理健康AI安全测试中，专家评估与人类反馈的有效性，发现专家间一致性差，揭示了专家分歧是社会技术现象，建议转向保留专家分歧的对齐方法。
Comments 17 pages, 7 pages of appendix, 21 tables
GraphBench: Next-generation graph learning benchmarking
GraphBench: 图学习下一代基准测试
机构 * RWTH Aachen University（亚琛RWTH大学） ； University of Oxford（牛津大学） ； Mila – Quebec AI Institute（魁北克AI研究所） ； Technion - Israel Institute of Technology（技术学院-以色列理工学院） ； ETAS Research University of Stuttgart（斯图加特大学ETAS研究所） ； Google Research（谷歌研究） ； Microsoft Research（微软研究院）
AI总结 GraphBench 提供标准化评估协议和统一超参数调优框架，用于评估图学习任务中的泛化能力，推动图学习领域的发展。
WATCH: Wide-Area Archaeological Site Tracking for Change Detection
WATCH：大范围考古遗址跟踪用于变化检测
机构 * Microsoft AI for Good Research Lab（微软AI for Good研究实验室） ； Iconem, Paris, France（Iconem公司，巴黎，法国） ； Planet Labs PBC（Planet Labs公司）
AI总结 WATCH通过三种方法实现大规模考古遗址变化检测，利用卫星影像和基础模型嵌入，提高遗址保护的效率和准确性。
