微软研究院
核心事实
时间轴 (近 90 天)
微软研究院与UC Berkeley联合发布了TokenEconomizer开源插件。
Aeneas 是一个将 Rust 程序转化为 Lean 函数式模型的工具，由微软研究院等机构开发，用于对真实系统代码进行形式化推理。
Lean 是微软研究院主导开发的交互式定理证明器，同时是一门依赖类型编程语言。
微软研究院在《Research Focus》第97期中集中展示了一批围绕AI智能体效率、编码能力、工作流理解以及科学应用的研究进展。
研究者和开发者可通过微软研究院的GitHub仓库探索BioEMU-2模型。
微软研究院AI for Science团队开发的新基础模型BioEMU-2已开放公开预览，用于理解生物分子的结构、动力学与功能，建立在Biomolecular Emulator深度学习模型基础之上。
微软研究院提出了 SEMA-Auto，一种具备自主判断能力、能自行决定何时终止的多轮越狱攻击智能体。
YOCO（You Only Cache Once）是微软研究院2024年提出的一种解码器架构设计，让模型前半部分层生成全局KV缓存，后半部分层直接复用，从而大幅压缩KV Cache总量并减少Pre-fill计算量。
微软研究院开源了 Agensh，一个去中心化多智能体框架。
Chris White 博士目前领导微软研究院新成立的 Catalyst Lab。
还有 40 条时间轴事件
全部知识事实 (20)
Lean基于依赖类型论，将证明与程序统一表达
90%已验证LoRA（Low-Rank Adaptation）由微软于2021年提出，其核心思想是冻结预训练模型的权重，仅训练注入的低秩分解矩阵
90%已验证Lean是由微软研究院开发的交互式定理证明器，目前最新版本为Lean 4
90%已验证Lean由微软研究院的Leonardo de Moura于2013年创建，目前已发展到Lean 4版本
85%已验证Lean是由微软研究院的Leonardo de Moura开发的交互式定理证明器,基于依赖类型论
80%已验证LoRA（低秩适配）是2022年由微软研究院提出的参数高效微调方法
80%已验证LoRA（Low-Rank Adaptation）最初由微软研究院提出用于大语言模型的高效适配
80%已验证AutoGen由微软研究院推出，专注于多Agent协作场景
80%已验证当一次代码审查超过 400 行代码时，审查者的缺陷发现率会急剧下降
80%已验证ResNet（残差网络）由微软研究院何恺明团队于2015年提出，通过引入残差连接解决了深层网络训练中的梯度消失问题
80%已验证AutoGen是微软研究院出品的多Agent协作框架，通过可编程的对话模式实现Agent间的灵活协作
80%已验证Z3是微软研究院开发的可满足性模理论（SMT）求解器
75%已验证残差连接源自微软2015年提出的 ResNet，通过将输入直接跳过中间层相加到输出，缓解深层网络的梯度消失问题
75%已验证微软研究院的数据显示，人类平均注意力持续时间已从2000年的12秒下降至2015年的约8秒
75%已验证Graph RAG由微软研究院于2024年推动普及
70%已验证Lean 是由微软研究院开发的交互式定理证明器，允许数学家将证明用形式化语言书写并由计算机检验逻辑正确性
65%已验证Lean是一种依赖类型论驱动的交互式定理证明器，由微软研究院的Leonardo de Moura团队开发，目前活跃版本是Lean 4
65%已验证Lean是一种交互式定理证明器和函数式编程语言，由微软研究院的Leonardo de Moura主导开发
65%已验证微软研究院于2023年首次提出BitNet，并于2024年推出进化版本BitNet b1.58
65%已验证Lean是由微软研究院Leonardo de Moura开发的交互式定理证明器和函数式编程语言
65%