Windows 如何为 Nvidia RTX Spark 笔记本做优化
微软与 Nvidia 为搭载 Arm 架构 CPU 与 Blackwell GPU 的 RTX Spark 笔记本优化 Windows,首次开机即可通过 Get Started 界面两步安装 Hermes、Perplexity、OpenClaw 三个官方支持的智能体,并经由 Windows Store 更新。
微软与 Nvidia 为搭载 Arm 架构 CPU 与 Blackwell GPU 的 RTX Spark 笔记本优化 Windows,首次开机即可通过 Get Started 界面两步安装 Hermes、Perplexity、OpenClaw 三个官方支持的智能体,并经由 Windows Store 更新。
The Verge 三位作者用一周时间测试了搭载 Nvidia RTX Spark N1X 的五款笔记本,覆盖游戏、续航和本地 AI 场景。测试显示,在 1440p 分辨率、中等画质并开启 DLSS 性能模式下,多数游戏能稳定在 60fps,但《地狱潜者 2》等 CPU 密集型游戏难以达标;日常办公续航约 5 小时,运行本地模型时耗电明显加快。
NVIDIA 发布 RTX Spark,一款面向创作者、玩家和 AI 智能体的 Windows PC,并于 10 月 16 日在旧金山、柏林、台北、北京、伊斯坦布尔、首尔等地举办发布活动。
推荐理由:NVIDIA 官方公布 RTX Spark 的发布活动与媒体评测反馈,可了解这款面向本地 AI 的 PC 平台定位。
微软研究院发布零知识虚拟机 Magnetar,可直接证明用 Rust、Go 或 C 编写的 RISC-V 程序执行过程,在 15 个基准程序上平均比现有最快 zkVM 快 10 到 39 倍,证明验证约需 12 毫秒。
GitHub 为密钥扫描训练了专用的 ModernBERT 分类器,替代此前基于 LLM 的流水线,用户告警接受率提升 11.5%,推送后扫描中位执行时间降低 86%,服务成本降低 98%。该方案采用两阶段流程:先用正则表达式高召回地生成候选,再由微调后的 ModernBERT 结合文件路径、变量名和周边代码判断是否为真实密钥。效率提升使通用密钥检测得以扩展到推送保护,在开发者推送前就返回结果。
NVIDIA 宣布 RTX Spark 笔记本将于 10 月 16 日上市,配备最高 128GB 统一内存和 1 petaflop AI 算力,生态伙伴同步推出本地 AI 软件更新。
推荐理由:原文列出 RTX Spark 上市前生态伙伴的软件更新清单,可据此了解本地智能体在 PC 上的落地方式。
GitHub Copilot 可通过四种方式学习代码库规则:用 .github/copilot-instructions.md 定义仓库级约定,用 .github/instructions 中的 applyTo 字段指定路径级指导,用 .github/skills 下的 SKILL.md 封装可重复流程,用 .github/agents 定义专用自定义智能体。
微软研究院提出 StudentSim,从公开的去标识化学习记录训练个性化学生模拟器,用于在真实学习者测试前评估和改进 AI 导师。研究同时发布 StudentSimEval 基准,覆盖国际象棋、第二语言英语写作和数学三个领域,从行为保真度和对指导的响应度两个维度评估模拟器。
Arthur Holland Michel 在 MIT Technology Review 撰文指出,拒答已成为 AI 安全的核心机制,但它的运作依赖概率性分类器和难以解释的内部激活,既可能被越狱绕过,也可能被用于审查。
GitHub 发布基于 ModernBERT 的通用密钥检测模型,用代码上下文识别数据库密码等非结构化密钥,候选批次评估耗时低于 2 毫秒,可将可拦截的密钥数量提升一倍以上。
微软研究院开源 Agent Lightning v1.0,用约 3500 行代码实现完整的智能体强化学习控制平面,让部署时使用的 agent harness 直接参与训练,无需在训练框架内重新实现智能体。
推荐理由:微软研究院开源了约 3500 行的智能体强化学习框架,读者可了解它如何让部署中的 harness 直接参与训练。
Microsoft 研究合伙人研究经理 Jennifer Neville 在 Microsoft Research Podcast 中与首席应用科学家 Chad Atalla 对话,讨论评估如何推动 AI 系统突破传统 benchmark 的性能边界,以及模型在超出常规测试时出现的“意外失败”。
GitHub 发布 AI 代码评审离线基准 ReviewBench,基于 1.039 亿个 GitHub PR 的分布特征,构建了覆盖 19 种语言、187 个开源仓库的 219 个 PR 评测集。
微软研究院开发了一套端到端机器学习流水线,可提前30-60分钟为美国本土66,935座变电站生成位置级空间天气风险估计。系统结合AE与Dst指数预报、纬度、地质电导率等数据,在2020-2026年评估期内检测到近80%的重大空间天气事件。其中Dst预测器在62.2%的活跃时段小时数上优于Burton方程,集成后使严重风暴检测率提升1.2个百分点。
微软研究院推出 AI 研究系统 Quine,由跨基因组、蛋白质、化学、RNA 与细胞状态、生物成像等模态联合训练的生物学世界模型,以及连接模型、科学工具、文献与研究者的交互框架组成。
推荐理由:微软研究院公开了 Quine 的生物学世界模型与实验闭环设计,并给出胰腺癌化合物筛选的湿实验验证结果。
Microsoft Research Asia – Singapore 作为微软在东南亚的首个研究实验室,成立一年来围绕下一代 AI 模型与智能体系统、领域专用 AI、AI 原生研究实践及生态与人才培养四大方向推进工作。
GitHub Copilot 应用中的 canvas 是一种可自定义界面,用户和智能体共享同一份状态,可做成看板、问题分诊板、发布清单或仪表盘。创建时只需打开智能体会话,输入 /create-canvas 并用自然语言描述工作流、界面操作和智能体权限,智能体就会生成界面并在右侧面板打开。
GitHub Copilot 应用推出 canvas,一种在应用内运行、无浏览器界面的全栈小应用,可与 Copilot 智能体双向通信。canvas 能调用第三方 API 并在本地执行代码,例如做出可浏览和安装 Winget 包的界面,或用 SQLite canvas 直接操作数据库。
微软研究院系统测量了移动操作机器人分别在端侧、边缘和云端 GPU 上运行推理的差异,发现把推理卸载出机器人可提升任务成功率并延长续航。
推荐理由:微软团队系统测量了机器人端侧 GPU 推理的性能与续航代价,并给出可复用的卸载工具链。