微软研究院

拒绝不必要Think：微软&北大提出第一种自适应大型混合推理模型

作者

微软研究院与北大提出的大规模混合推理模型LHRMs能够在用户查询时自适应地决定是否进行思考，实现更快、更自然的日常交互，并在推理和通用能力方面超越现有模型的同时显著提高了效率。

微软开源实时交互模型：提升Agent动态复杂处理能力

作者

微软研究院开源了实时交互世界模型MineWorld，以Transformer为核心结合《我的世界》。MineWorld参数量少于Oasis，在多方面表现更优，包括视频质量、可控性和推理速度等方面。MineWorld架构由Transformer解码器、视觉标记器和动作标记器组成，实现高效并行解码算法提高生成效率。

微软开源多模态AI基础模型！无需额外微调轻松拿捏网页、机器人

作者

微软研究院开源Magma模型，首个能理解多模态输入并进行实际操作的基础模型，在CVPR会议上获得接收。该模型融合视觉、语言与动作能力，使用Set-of-Mark和Trace-of-Mark两大标注方法提高准确性。