2026. augusztus 4., kedd · Kutatás

Microsoft nyílt keretrendszert adott ki ügynök-AI kutatáshoz

A Microsoft Research bemutatta az Orchard nevű nyílt forráskódú keretrendszert, amelynek célja az ügynök-alapú AI-kutatás skálázhatóbbá és olcsóbbá tétele. A rendszer magja az Orchard Env, egy Kubernetes-alapú, újrahasználható környezet, amely szoftverfejlesztő, webnavigáló és személyi asszisztens ügynökök betanítására és kiértékelésére is alkalmas, akár valós futtatási keretek, például Codex, OpenClaw vagy ZeroClaw belsejében. A cég állítása szerint az Orchard-SWE mindössze 3 milliárd aktív paraméterrel 69,7%-ot ér el a SWE-bench Verified teszten, rerangolással pedig 73,0%-ot, ami közelíti a több mint tízszer nagyobb élvonalbeli modellek eredményeit. A Microsoft a tanítóadatokat és a kiértékelési módszereket is elérhetővé tette a kutatóközösség számára.

Egy forrás Ehhez a hírhez egy forráslink áll rendelkezésre.

Miért fontos?

A nyílt infrastruktúra és kisebb, mégis erős modellek elérhetővé tétele csökkentheti az ügynök-alapú AI kutatás belépési korlátait, amely eddig zárt, proprietary rendszerekhez volt kötve.

Benchmark-tolmács

Mit mond a hírben szereplő pontszám?

SWE-bench Verified

Valódi GitHub-hibajegyek alapján méri, hogy egy kódoló ügynök képes-e működő javítást készíteni meglévő Python-projektekben.

Pontszám: A sikeresen megoldott hibajegyek aránya; magasabb jobb. Csak azonos Verified készlet, tesztharness, agent, eszköz-, idő- és költségkeret mellett hasonlítható.
Frissesség: Korosodó
Szivárgás: Magas kockázat
Hétköznapi jel: Részleges kapcsolat

Források

Microsoft Research Kutatás

Kapcsolódó témák

Napi összefoglalók AI kutatás #Orchard#Microsoft Research

Napi összefoglaló

Ez a hír a 2026. augusztus 4., kedd napi AI összefoglaló része.

Helyesbítés · 2026. október 1., csütörtök

Helyesbítés (2026-09-20): a hírhez utólag hozzáfűztük a nem lektorált (preprint) státusz jelzését, mert a megjelenéskor ez lemaradt. A hír címe, összefoglalója és forrásai változatlanok. Helyesbítés (2026-10-01): a hír alól eltávolítottuk az arXiv 2607.28629 hivatkozást („OpenClaw and Ollama in Agentic AI: Toward Fully Autonomous and Scalable AI Agent Systems”), mert nem erről a munkáról szól; vele együtt kikerült a „Miért fontos?”-ból a 2026-09-20-án hozzáfűzött „A mögöttes eredményt leíró tanulmány preprint” mondat, mert erre a téves hivatkozásra épült. A hír forrása a Microsoft Research blogbejegyzése.

Kapcsolódó hírek

Microsoft Research: diákszimulátorral finomítanák az AI-oktatókat

A Microsoft Research bemutatta a StudentSim nevű kutatási rendszert, amely a vállalat szerint nyilvánosan elérhető, anonimizált tanulói adatokból személyre szabott AI-diákszimulátorokat épít, egyet-egyet minden egyes tanulóhoz igazítva. A cél az, hogy az AI-oktatórendszerek fejlesztői gyorsan és olcsón kapjanak visszajelzést arról, hogyan reagálnak a diákok egy-egy tanácsra, és javul-e a megértésük, anélkül, hogy minden iterációhoz valódi tanulói kísérletre lenne szükség. A rendszert a StudentSimEval nevű benchmarkon tesztelték sakk, angol mint idegen nyelv írásos feladatai és matematika területén, és a Microsoft állítása szerint felülmúlta a vezető alapmodelleket abban, hogy mennyire hitelesen utánozza egy adott diák válaszait és azok változását a tanári útmutatás után. A cég hangsúlyozza, hogy a StudentSim kutatási eszköz, nem éles termék, nem használják tantermekben, és nem helyettesíti a tanárokat.

Microsoft bemutatta a Quine nevű AI-rendszert a biológiai kutatáshoz

A Microsoft Research bejelentése szerint elkészült a Quine nevű kutatási rendszer, amely egy többmodalitású „világmodellt” épít a biológiáról, és összeköti a modelleket, tudományos eszközöket, szakirodalmat és kutatókat egyetlen interaktív keretben. A vállalat állítása szerint a Broad Institute (Harvard–MIT) kutatóival együttműködve a rendszert olyan vegyületek rangsorolására használták, amelyek daganatsejtek állapotát terápiásan kedvező irányba tolhatják el, és a legjobbra rangsorolt jelöltek egy részét több laboratóriumi kísérletben validálták. A Microsoft saját közlése szerint a Quine kifejezetten kísérleti, kutatási célú technológia, klinikai vagy orvosi felhasználásra nem alkalmas, kimenetei hiányosak vagy pontatlanok lehetnek, és szakértői ellenőrzést igényelnek. A cég emellett egy „Quine Fellows” programot is indít, amelyben kutatók kaphatnak hozzáférést a rendszerhez, hosszabb távon pedig a technológiát a Microsoft Discovery termékcsaládba tervezik integrálni.

Microsoft hatékonyabb kórszövettani AI-modelleket mutatott be

A Microsoft Research bemutatta a GigaPath-Flash és GigaTIME-Flash nevű kórszövettani alapmodelleket, amelyek a korábbi GigaPath és GigaTIME desztillált, gyorsított változatai. A vállalat állítása szerint a lepárolt modell jelentősen csökkenti a számítási igényt anélkül, hogy a teljesítmény romlana, így nagyobb beteg-kohorszokon lehet ismételt elemzéseket futtatni. A modellek nyílt kutatási eszközök, céljuk a betegségbiológia, biomarkerek és klinikai kimenetek vizsgálata rákos adathalmazokon populációs szinten. A Microsoft hangsúlyozza, hogy ezek kutatási célú modellek, klinikai használatra – diagnózisra, prognózisra vagy kezelésválasztásra – nincsenek validálva. Az eredmények egy vállalati blogbejegyzésben szerepelnek, nem lektorált tudományos publikációban, így független szakmai bírálaton még nem mentek keresztül.

MindTopo: új benchmark a mesterséges intelligencia térbeli-topológiai gondolkodásának mérésére

A Microsoft Research kutatói MindTopo néven új benchmarkot mutattak be, amely azt vizsgálja, hogy a multimodális nagy nyelvi modellek képesek-e felismerni és fenntartani topológiai kapcsolatokat, mint az összekapcsoltság, a körülzártság, a sorrend, az elkülönülés és a csomók. A kutatás szerint a modellek statikus képeken következetesen jobban teljesítenek a topológiai viszonyok felismerésében, mint interaktív, tervezést igénylő feladatokban, ahol elveszítik a struktúra nyomon követését, miközben a jelenet változik; az emberi teljesítménytől azonban mindkét feladattípusban messze elmaradnak. A hibák jellemzően nem az észlelésnél, hanem a tervezési fázisban jelentkeznek, amikor a modellek fizikailag lehetetlen lépéseket javasolnak. A kutatók szerint ez fontos hiányosságot jelez a robotikai és interaktív rendszerekhez szánt mesterséges intelligencia fejlesztésében, ahol a strukturális kapcsolatok megőrzése kritikus a megbízható döntéshozatalhoz.