微软研究：清空对话历史能让 AI 智能体找到更好解法
微软研究院一项研究发现，长时间运行的 AI 研究智能体即使增加算力也会陷入性能平台期，同一任务 8 次独立运行的最终得分从 68.3 到 100.0 不等。研究者把这种局限称为“idea basins”，智能体把剩余算力用于在低产区域反复打磨方案。
#Microsoft
The DecoderAI 评分6060
Hugging Face BlogAI 评分3434 微软 ThinkingBox 基准测试：AI 智能体自报完成，数据库却不同意
微软与 Hugging Face 联合发布 ThinkingBox 基准，通过 507 个有状态业务流程、每个任务重复运行 20 次，按智能体留下的后端数据库状态和副作用而非生成文本打分。
The DecoderAI 评分6262 微软 StudentSim 用模拟学生训练 AI 导师，在象棋、英语和数学上超过 GPT-5.4
微软研究人员提出 StudentSim，用学生数字副本为 AI 导师提供快速反馈，解决真实学生数据训练成本高、耗时长的问题。系统以 Qwen3-4B-Instruct 为基座，分两阶段训练：先在学科内汇总数据上学习共性错误与修正模式，再针对单个学生用少量记录做适配。