Designing Datacenter Power Delivery Hierarchies for the AI Era
为AI时代设计数据中心电力交付层级
机构 * Stanford University（斯坦福大学） ； Microsoft Azure Research（微软Azure研究院）
AI总结 本文研究了AI时代数据中心电力交付层级设计的挑战，提出了一种评估框架，结合吞吐量、功率和成本指标，分析多资源短缺对部署容量、资本支出和性能的影响。
大厂专区
Microsoft（微软）
Toward Natural and Companionable Virtual Agents via Cross-Temporal Emotional Modeling
通过跨时间情感建模实现自然和陪伴型虚拟代理
机构 * Communication University of China（中国通信大学） ； Microsoft Research Asia（微软亚洲研究院） ； Institute of Artificial Intelligence, China Telecom（中国电信人工智能研究院）
AI总结 本文提出CTEM框架，通过链接长期行为历史与即时情感表达，提升虚拟代理的自然性和情感和谐度，实验显示在21天的真实场景中效果显著。
Comments 21 pages, published in CHI '26
Journal ref Proceedings of the 2026 CHI Conference on Human Factors in Computing Systems (CHI '26), ACM, 2026
DrugSAGE:Self-evolving Agent Experience for Efficient State-of-the-Art Drug Discovery
DrugSAGE: 自演化代理经验用于高效前沿药物发现
机构 * Northeastern University（东北大学） ； Broad Institute of MIT and Harvard（MIT和哈佛大学Broad研究所） ； Yale University（耶鲁大学） ； Microsoft Research New England（微软研究院新英格兰分部）
AI总结 DrugSAGE通过自演化代理经验框架，高效构建前沿药物发现模型，跨任务记忆提升模型性能，实现零次搜索下的显著优势。
Video Models Can Reason with Verifiable Rewards
视频模型可以借助可验证的奖励进行推理
机构 * University of California, Davis（加州大学戴维斯分校） ； Microsoft Research（微软研究院） ； University of Southern California（南加州大学） ； University of California, Santa Cruz（加州大学圣克鲁兹分校）
AI总结 本文提出VideoRLVR方法，通过规则反馈优化视频扩散模型，提升可验证推理能力，在Maze、FlowFree和Sokoban任务中优于监督微调基线，证明可验证RL能推动视频模型超越感知模仿。
Comments Website: https://darthzhu.github.io/VideoRLVR-page/
MorphoHELM: A Comprehensive Benchmark for Evaluating Representations for Microscopy-Based Morphology Assays
MorphoHELM：用于评估基于显微镜的形态学检测方法的综合基准
机构 * Microsoft Research New England（微软研究院新英格兰分部）
AI总结 MorphoHELM提供了一个综合的开放基准，用于评估细胞染色法中的特征提取方法，通过不同批次效应评估任务，揭示方法间的权衡关系，展示经典计算机视觉方法在多种场景下的优势。
ICRL: Learning to Internalize Self-Critique with Reinforcement Learning
ICRL: 通过强化学习学习内化自我批评
机构 * Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Nanjing University（南京大学） ； Sun Yat-sen University（中山大学） ； National University of Singapore（新加坡国立大学） ； Nanyang Technological University（南洋理工大学） ； SAP ； Microsoft Research（微软研究院）
AI总结 本文提出ICRL框架，通过联合训练求解器和批评者，使求解器在无外部批评时也能自我改进，提升代理和数学推理任务性能。
Always Learning, Always Mixing: Efficient and Simple Data Mixing All The Time
始终学习，始终混合：始终高效且简单的数据混合
机构 * New York University（纽约大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Microsoft（微软公司）
AI总结 本文提出OP-Mix算法，通过低秩适配器插值实现数据混合，提升预训练和持续学习性能，减少计算资源消耗。
Does Theory of Mind Improvement Really Benefit Human-AI Interactions? Empirical Findings from Interactive Evaluations
理论思维能力提升真的能促进人机交互吗？来自交互评估的实证发现
机构 * Arizona State University（亚利桑那州立大学） ； Hong Kong University of Science and Technology（香港科学与技术大学） ； Microsoft Research Asia（微软亚洲研究院） ； Smith College（史密斯学院）
AI总结 本文通过交互评估探讨了理论思维能力提升对人机交互的实际影响，发现静态基准测试的改进未必能提升动态交互表现，强调了交互评估在开发下一代社交感知大语言模型中的重要性。
Integrating chemical structures as treatments improves representations of microscopy images for morphological profiling
将化学结构作为治疗手段提高显微镜图像的表示以进行形态学分析
机构 * Department of Computer Science, City University of Hong Kong（香港城市大学计算机科学系） ； Microsoft Research（微软研究院） ； Department of Computer Science, Zhejiang University（浙江大学计算机科学系）
AI总结 本文提出MICON框架，通过整合化学结构信息提升显微镜图像的表示能力，改进了形态学分析中的特征学习。
Comments 24 pages
Optimizing Large Language Model Training Using FP4 Quantization
使用FP4量化优化大型语言模型训练
机构 * University of Science and Technology of China（科学技术大学） ； Microsoft Research Asia（微软亚洲研究院） ； Microsoft SIGMA Team（微软SIGMA团队）
AI总结 本文提出首个FP4训练框架，通过可微量化估计器和异常值钳制补偿策略，解决量化误差和表示能力限制问题，实现与BF16和FP8相近的精度，适用于大规模语言模型训练。
Journal ref Proceedings of the 42nd International Conference on Machine Learning, PMLR 267:62937-62957, 2025
