ForkPilot, BioEmu2 и PBC: 6 прорывов Microsoft Research

Агенты, которые учатся на ошибках: ForkPilot и TeleTune

Исследователи Microsoft представили ForkPilot — самосовершенствующуюся агентную систему, способную пересматривать ранние решения при возникновении ошибок. В отличие от стандартных подходов, ForkPilot адаптирует стратегию на основе новых результатов. Тестирование на шести бенчмарках с ведущими ИИ-моделями показало, что система работает на уровне лучших существующих методов, но снижает вычислительные затраты на 59%. Это делает масштабное развертывание сложных агентов экономически целесообразным.

Параллельно представлен фреймворк TeleTune, который извлекает навыки из логов активности пользователей. TeleTune учится восстанавливать намерения за действиями (клики, ввод текста), что позволяет агентам адаптироваться к новому ПО без дообучения с нуля. В тестах на задачах с браузером и софтом TeleTune превзошел аналоги.

Проблема понимания кода: исследование CABRA

Новый фреймворк CABRA генерирует задачи для проверки кодовых агентов, позволяя контролируемо увеличивать сложность. Исследование выявило ключевую проблему: агенты успешно справляются с модификацией известного кода, используя инструменты, но терпят неудачи при работе с незнакомыми кодовыми базами. Понимание существующего кода, а не его изменение, остается главным «бутылочным горлышком» в развитии надежных coding-агентов.

Биология и климат: BioEmu2 и PBC

Модель BioEmu2 для предсказания структуры, динамики и функции биомолекул перешла в стадию public preview. Разработанная командой AI for Science, она открывает новые возможности для исследований в области белков.

В сфере климата новая методика Probabilistic Bias Correction (PBC) решает проблему прогнозов на 2–6 недель вперед. PBC обучается на прошлых ошибках моделей и корректирует их. Методика заняла первое место на глобальном конкурсе по улучшению долгосрочных прогнозов и уже внедрена в Кении для помощи фермерам с прогнозами муссонов.

Использование AI в бизнесе и образовании

Анализ данных Copilot Chat показал, что хотя 20% самых частых задач (например, редактирование документов, >20%) схожи в разных отраслях, специфические сценарии использования сильно различаются. Исследователи предупреждают: бизнесу нельзя слепо копировать чужие стратегии внедрения AI, не анализируя собственные рабочие процессы.

В образовании инструмент Shiksha Copilot прошел тестирование в школах Индии с участием более 1000 учителей. ИИ-инструмент в режиме «человек в контуре» сократил время на составление двуязычных планов уроков и бюрократию, снизив стресс педагогов и освободив время для непосредственной работы с учениками.

Сводка ключевых метрик

Источник: Microsoft Research ↗