微软研究者与合作者证明31年悬案KLS猜想
微软研究院机器学习与优化组的 Xinzhi Zhang 与合作者 Zhao Song 证明了1995年提出的 Kannan-Lovász-Simonovits（KLS）猜想，表明对对数凹分布，最佳超平面切割与任意形状切割的差距不超过一个与维度无关的普适常数。
推荐理由：文章说明研究者如何用人类引导的智能体搜索探索上百条路径并完成证明，同时对比了同等预算下无引导尝试的失败，为如何组织人机协作科研提供了可迁移的参照。
#Microsoft
Microsoft Research精选AI 评分7777
GitHub Blog · AI & ML精选AI 评分6060 GitHub Copilot 官方博客：三位 Java Champions 分享提升生产力的实践
GitHub Blog 采访了三位拥有十多年 Java 经验的 Java Champions，介绍他们如何在生产与开源项目中使用 GitHub Copilot。
推荐理由：三位资深开发者给出从验证门到技能沉淀的具体做法，可迁移性强。
Microsoft Research精选AI 评分7272 微软研究院发布零知识证明虚拟机Magnetar
微软研究院发布零知识证明虚拟机Magnetar，可证明Rust、Go或C编写的RISC-V程序执行，在15个基准程序上平均比现有最快zkVM快10至39倍，证明验证约12毫秒。其安全性仅依赖SHA-256或SHA-3等标准哈希函数，不依赖椭圆曲线、格假设或可信设置，是微软十余年零知识证明研究（含Spartan、Phalanx、Nova、BinarySpartan等）的集成成果。
推荐理由：文章梳理了零知识证明普及的三大障碍及微软十余年研究脉络，便于理解Magnetar各项设计选择的来龙去脉。
GitHub Blog · AI & ML精选AI 评分7272 GitHub：密钥保护必须跟上软件生成速度
GitHub 产品负责人 Erin Havens 称，涉及 AI 智能体的 PR 已达三分之一，一年前不足十分之一，若保持该速度，两年内 GitHub 上多数代码可能由智能体写成。
推荐理由：作者用九个季度数据反驳AI让开发者更粗心的说法，并说明预防与修复成本的差异，有助于理解平台在密钥保护上的取舍逻辑。
Microsoft Research精选AI 评分7474 微软研究院开源 Agent Lightning v1.0：约3500行的轻量级智能体强化学习框架
微软研究院亚洲院发布并开源 Agent Lightning v1.0，提出 Harnessed Agentic RL 训练范式，让部署所用的 agent harness 直接参与强化学习，无需在训练框架内重新实现 agent。
推荐理由：文章说明了用真实部署 harness 直接做强化学习的思路及其四个技术难点，可迁移理解训练与部署不一致问题的解法。
已经到底了