مایکروسافت(Microsoft)

OfficeTown: Generative Organizations for Evolving Agent Intelligence

مقاله‌ی OfficeTown: Generative Organizations for Evolving Agent Intelligence (16 Oct 2026، مایکروسافت ریسرچ آسیا؛ Hongchen Wei، Daohong Ying و همکاران) مسئله: بیشتر بنچمارک‌های ایجنت هر کار را جدا و از صفر می‌دهند. در یک شرکت واقعی کار این‌طور پیش نمی‌رود: درخ

AutoEnvScaling: Automating the Data Flywheel with Terminal Agents

خودکارسازی چرخه‌ی داده با ایجنت‌های ترمینال: ایجنتی که محیط آموزشی برای خودش می‌سازد

ایجنت‌های ترمینال تسک‌های مهندسی نرم‌افزار و پژوهش علمی را با اجرای دستور در ترمینال حل می‌کنند. آموزششان با یادگیری تقویتی به محیط‌های متنوع و قابل تأیید نیاز دارد، اما این محیط‌ها هنوز بیشتر به دست پژوهشگران انسانی طراحی می‌شوند و عرضه‌شان فقط به سرعت کار آن

(When) Should a Software Factory be Lights-off? Benchmarking Code Review Agents on Bug Detection

آیا کارخانه‌ی نرم‌افزار می‌تواند بدون ناظر انسانی کار کند؟ سنجش ایجنت‌های بازبینی کد در یافتن باگ

با پیشرفت ایجنت‌های کدنویسی، برنامه‌نویس‌ها بیشتر وقتشان را صرف بازبینی کد می‌کنند تا نوشتن آن. چون سرعت بازبینی انسان از تولید کد عقب افتاده، وسوسه‌ی ساختن ایجنت‌های بازبینی خودکار و «کارخانه‌ی چراغ‌خاموش» بدون نظارت انسانی وجود دارد. سؤال این است که این ایده

HarnessSQL: Harness-Native Training for SQL Agents in Realistic Database Environments

هارنس‌اس‌کیوال: آموزش ایجنت‌های پایگاه داده درون همان هارنسی که در استقرار با آن کار می‌کنند

مدل‌های تبدیل متن به SQL معمولاً آموزش می‌بینند که پرسش را مستقیم به یک کوئری ایستا تبدیل کنند، اما ایجنت‌های واقعی پایگاه داده با تعامل چندنوبتی و وضعیت‌دار با پایگاه داده‌ی زنده کار می‌کنند: شِما را بررسی می‌کنند، کوئری آزمایشی اجرا می‌کنند، خطا را تشخیص می‌

Code Understanding is a Bottleneck for Coding Agents

فهم کد گلوگاه ایجنت‌های کدنویسی است، نه فقط ویرایش آن

بنچمارک‌های مخزن‌محور مثل SWE-bench اغلب فرض می‌کنند تعداد خطوط ویرایش‌شده سختی تسک را پیش‌بینی می‌کند، اما کنترل ضعیف این داده‌ها روی نوع کد و تسک باعث می‌شود نتوان فهمید کدام توانایی واقعاً خطاهای ایجنت را تعیین می‌کند. مثلاً یک اصلاح یک‌خطی ممکن است نیاز به

ActiveSaddler: Automated Curriculum Learning for Agent Harness Optimization

اکتیوسدلر: یادگیری برنامه‌ی درسی خودکار برای بهینه‌سازی هارنس ایجنت

بهینه‌سازی خودکار هارنس می‌تواند ایجنت‌ها را با به‌روزرسانی مکرر پرامپت‌ها، رابط ابزارها و منطق کنترل از بازخورد اجرا بهتر کند. اما روش‌های موجود عمدتاً نحوه‌ی به‌روزرسانی را بهینه می‌کنند و این را ثابت می‌گذارند که کدام سناریوهای آموزشی بازخورد را تولید می‌کن

Follow the Entities: A Corpus Map for Agentic Search

موجودیت‌ها را دنبال کن: نقشه‌ی پیکره برای جست‌وجوی ایجنتی

پاسخ به پرسش روی مجموعه‌ی بزرگ اسناد اغلب به وصل کردن شواهد پخش در چند سند نیاز دارد، مثلاً تأیید یک پروژه در یک سند، نیازمندی‌هایش در دیگری و آخرین وضعیتش در سومی. ایجنت‌ها با جست‌وجوی مکرر کل پیکره به این مسئله نزدیک می‌شوند، اما وقتی پیکره فقط مجموعه‌ای تخت