Microsoft（微软）

Agents in the Wild: Where Research Meets Deployment

野外的智能体：研究与部署的交汇点

Grace Hui Yang, Pranav N. Venkit, Hooman Sedghamiz, Enrico Santus, Victor Dibia, Ioana Baldini

机构 * Georgetown University（乔治敦大学） ； Salesforce（Salesforce公司） ； Bayer（拜耳公司） ； Bloomberg（彭博公司） ； Microsoft Research（微软研究院） 纠错

AI总结 探讨基于大语言模型的智能体系统从研究到部署的转变，通过案例研究分析成功设计模式及失败缓解策略，为与会者提供跨行业安全可靠部署的全面视角、设计模式、评估清单和模板。

Beyond Accuracy and Cost: Latency-Aware LLM Query Routing for Dynamic Workloads

超越准确性和成本：针对动态工作负载的延迟感知大语言模型查询路由

Shivam Patel, Akaash R. Parthasarathy, Ankur Mallick, Gauri Joshi

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Microsoft（微软） 纠错

AI总结 研究针对动态工作负载的大语言模型查询路由，设计轻量级延迟估计器，纳入延迟感知路由器，联合优化延迟、准确性和成本，实验表明该方法能在保持延迟的同时提升准确性 - 成本效用达40%。

ATLAS: A Foundation Neural Sampler for Amorphous Materials

ATLAS：一种用于非晶材料的基础神经采样器

Mouyang Cheng, Denis Blessing, Botao Yu, Gerhard Neumann, Mingda Li, Carles Domingo-Enrich, Yuanqi Du

机构 * Microsoft Research New England（微软研究院新英格兰分部） ； Center for Computational Science and Engineering（计算科学与工程中心） ； MIT（麻省理工学院） ； Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； Department of Materials Science and Engineering（材料科学与工程系） ； Department of Computer Science and Engineering（计算机科学与工程系） ； OSU（俄亥俄州立大学） 纠错

AI总结 研究针对非晶材料能量景观难采样问题，提出ATLAS神经采样器，由等变图神经网络参数化，能跨系统泛化，利用扩散过程时间反转估计热力学量。在多种系统中验证有效性，还通过预训练降低逆设计成本，结合大语言模型搜索高熵金属玻璃，确立其为基础模型。

MoGe-3: Fine-Detail Monocular Geometry Estimation with Self-Guided Sparse Volumetric Refinement

基于自引导稀疏体细化的精细细节单目几何估计

Lingyu Kong, Ruicheng Li, Ruicheng Wang, Sicheng Xu, Chengtang Yao, Jianfeng Xiang, Jiaolong Yang

机构 * Tsinghua University（清华大学） ； USTC（中国科学技术大学） ； Microsoft Research（微软研究院） 纠错

AI总结 针对单目几何估计在局部3D结构精细细节上的失真问题，提出基于自引导稀疏体细化的方法，将建模从2D提升到3D空间，通过稀疏卷积避免特征混合，实验证明该方法在恢复精细3D几何方面显著优于现有方法。

CWind: A Cross-site Router for Large Language Model Inference Serving at Renewable Energy Farms

XWind: 面向可再生能源农场的跨站点大语言模型推理服务路由器

Tella Rajashekhar Reddy, Atharva Deshmukh, Liangcheng Yu, Chaojie Zhang, Mike Shepperd, Rohan Gandhi, Anjaly Parayil, Srinivasan Iyengar, Ajay Manchepalli, Debopam Bhattacherjee

机构 * Microsoft（微软） 纠错

AI总结 提出AI绿色围栏部署模式，并构建XWind路由器，利用实时信号动态配置站点和分发请求，以在可变风力供电下高效服务推理请求。

RubricRL: Simple Generalizable Rewards for Text-to-Image Generation

RubricRL：文本到图像生成的简单通用奖励

Xuelu Feng, Yunsheng Li, Ziyu Wan, Zixuan Gao, Junsong Yuan, Dongdong Chen, Chunming Qiao

机构 * University at Buffalo（布法罗大学） ； Microsoft CoreAI（微软核心人工智能） 纠错

AI总结 提出RubricRL框架，通过为每个提示动态构建可分解的检查表（如对象正确性、属性准确性等），并由多模态评判器独立评估，实现可解释、可组合的奖励设计，提升文本到图像生成的对齐效果。

Evaluating Style-Personalized Text Generation: Challenges and Directions

评估风格个性化文本生成：挑战与方向

Anubhav Jangra, Bahareh Sarrafzadeh, Silviu Cucerzan, Adrian de Wynter, Sujay Kumar Jauhar

机构 * Columbia University（哥伦比亚大学） ； Microsoft（微软公司） ； The University of York（约克大学） 纠错

AI总结 研究风格个性化文本生成面临的挑战，通过提出的风格判别基准评估常用指标，发现多样评估指标集成效果更佳，为可靠评估该文本生成提供指导。

Comments Accepted to the 5th GEM workshop at ACL 2026

Ab-initio simulation of excited-state potential energy surfaces with transferable deep quantum Monte Carlo

基于可转移深度量子蒙特卡罗的激发态势能面从头算模拟

Zeno Schätzle, P. Bernát Szabó, Alice Cuzzocrea, Matěj Mezera, Frank Noé

机构 * Microsoft Research, AI for Science（微软研究院，人工智能科学） 纠错

AI总结 研究激发态势能面精确计算难题，提出基于权重共享和电子态动态排序的神经网络波函数几何可转移优化方法，能高精度预测基态和激发态PESs及其交点，成本降低，在四个体系验证了该方法的潜力。

Comments 25 pages, 10 figures