首页

微软发布 Microsoft-Decision-1：基于 Qwen3.5-9B 后训练，专做有限选项判断

dotey 转述，微软发布的 Microsoft-Decision-1 基于 Qwen3.5-9B 后训练，专门从有限选项中作判断，输出程序可直接使用的结构化结果和概率分数。它支持是非题、多选题和评分，可用于反馈分类、模型路由及 AI 回答评价。模型已在 Microsoft Foundry 上线，每百万输入模型 token 0.042 美元，输出免费；OpenRouter 尚待上线。

Koto 为 Copilot 与 M365 从熟悉的界面动作提取品牌语言

Koto为Copilot与M365设计相互关联的视觉系统，以“事物汇聚的力量”为核心，把M365应用中熟悉的界面动作转成颜色、字体、标志和动态语言。它延展到活动、网站工具包和产品影片，可参考如何从产品交互本身提取品牌特征。

仅基于配文整理；正式参考价值分；依据原始文字；已检查1幅视频封面静帧评审副本；未评价完整视频、运动、剪辑或声音

GitHub 发布 ReviewBench 开放基准，评估 AI 代码审查智能体

GitHub 发布 ReviewBench，用 219 个真实代码变更请求比较 AI 代码审查工具找错准不准、漏掉多少问题。样本来自 19 种语言、187 个开源仓库，分布参考了 103.9M 条 GitHub pull requests；两者不是同一个评测规模。它整合人工、模型和静态分析发现的问题，并按统一标准评分，支持提交自己的审查智能体，适合比较误报、漏报与严重问题识别能力。

ThinkingBox：AI 智能体说任务已完成，数据库却不认同

微软与Hugging Face联合介绍ThinkingBox，依据AI智能体执行后的后台记录和副作用判断任务是否完成。基准涵盖507个有状态业务工作流，每项重复20次，区分单次成功、至少一次成功和20次全成功。可通过OpenEnv自行运行，结果仅适用于该基准及测试模型，不代表所有真实任务的可靠性。