[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-microsoft-ai-team-collaboration-cfp-2026-zh":3,"article-related-microsoft-ai-team-collaboration-cfp-2026-zh":34,"series-research-af1a155b-d8e6-4575-a014-959aef283098":77},{"id":4,"slug":5,"title":6,"content":7,"summary":8,"source":9,"source_url":10,"author":11,"image_url":12,"cover_image":12,"category":13,"language":14,"translated_content":11,"related_article_id":15,"keywords":16,"key_takeaways":25,"views":30,"created_at":31,"published_at":32,"topic_cluster_id":33},"af1a155b-d8e6-4575-a014-959aef283098","microsoft-ai-team-collaboration-cfp-2026-zh","Microsoft 砸錢研究團隊協作 AI","\u003Cp data-speakable=\"summary\">\u003Ca href=\"\u002Ftag\u002Fmicrosoft\">Microsoft\u003C\u002Fa> Research 2026 春季 CFP 直接把題目拉到團隊協作，重點是 AI 怎麼讓多人工作比單人更順。\u003C\u002Fp>\u003Cp>說真的，這題比「AI 幫我寫信」更難。\u003Ca href=\"https:\u002F\u002Fwww.microsoft.com\u002Fen-us\u002Fresearch\u002Facademic-program\u002Fai-and-the-new-future-of-work-cfp-spring-2026\u002F\" target=\"_blank\" rel=\"noopener\">Microsoft Research 的 Spring 2026 CFP\u003C\u002Fa>，就是在挖這個洞。\u003C\u002Fp>\u003Cp>每案大約給 5 萬到 7.5 萬美元。提案也很短，500 字上限。這種規格很像在說：別寫空話，拿出研究設計。\u003C\u002Fp>\u003Ctable>\u003Cthead>\u003Ctr>\u003Cth>項目\u003C\u002Fth>\u003Cth>內容\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Ctd>提案期間\u003C\u002Ftd>\u003Ctd>2026\u002F04\u002F28 到 2026\u002F05\u002F25\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd>資助金額\u003C\u002Ftd>\u003Ctd>約 50,000 到 75,000 美元\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd>提案長度\u003C\u002Ftd>\u003Ctd>1 頁，含參考文獻，500 字上限\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd>通知日期\u003C\u002Ftd>\u003Ctd>2026\u002F06\u002F15\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd>公告日期\u003C\u002Ftd>\u003Ctd>2026\u002F06\u002F24\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003Ch2>Microsoft 不是在找單人神器\u003C\u002Fh2>\u003Cp>這次 CFP 的核心很明確。Microsoft 要的是團隊 AI，不是個人 AI。研究目標是證明，AI 能讓一個團隊打贏「單人加 AI」，或「沒有 AI 的團隊」。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782415981776-jikr.png\" alt=\"Microsoft 砸錢研究團隊協作 AI\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>這個角度很有意思。現在很多 AI 成效都看個人效率。像 \u003Ca href=\"https:\u002F\u002Fopenai.com\u002F\" target=\"_blank\" rel=\"noopener\">OpenAI\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fwww.anthropic.com\u002F\" target=\"_blank\" rel=\"noopener\">Anthropic\u003C\u002Fa>，還有 \u003Ca href=\"https:\u002F\u002Fwww.microsoft.com\u002Fen-us\u002Fmicrosoft-copilot\" target=\"_blank\" rel=\"noopener\">Microsoft Copilot\u003C\u002Fa>，都很擅長幫單一使用者省時間。\u003C\u002Fp>\u003Cp>但團隊不是單人放大版。團隊有角色差異，有會議噪音，有資訊落差。AI 要介入這種場景，難度直接上升一個等級。\u003C\u002Fp>\u003Cul>\u003Cli>讓團隊加 AI 的表現，贏過單人加 AI\u003C\u002Fli>\u003Cli>建立協作情境的模擬環境與 world model\u003C\u002Fli>\u003Cli>降低會議、聊天、交接中的低價值工作\u003C\u002Fli>\u003Cli>設計 AI 介入時機，避免亂插話\u003C\u002Fli>\u003C\u002Ful>\u003Cp>講白了，Microsoft 想研究的是「團隊怎麼一起變聰明」。不是只看輸出速度。還要看共識形成、注意力分配，還有誰被聽見。\u003C\u002Fp>\u003Cp>這種題目很適合 HCI、組織行為、CS、社會科學混著做。單一模型分數不夠。你得看整個工作流程。\u003C\u002Fp>\u003Ch2>題目列表很像真實辦公室痛點\u003C\u002Fh2>\u003Cp>這份 CFP 的題目，不像一般學術補助那麼飄。它直接碰到辦公室最煩的地方。像是會議過多、上下文斷裂、交接失真，還有大家都以為別人知道的那些事。\u003C\u002Fp>\u003Cp>其中一個很有意思的方向，是 AI 何時該主動出聲。這很難。太安靜，沒幫上忙。太吵，又會\u003Ca href=\"\u002Fnews\u002Fcinevva-web-game-engine-guide-stack-zh\">變成\u003C\u002Fa>另一個打斷會議的同事。\u003C\u002Fp>\u003Cp>另一個題目是「非剝削式」協作 AI。這句話很硬，但意思很實際。團隊資料是誰產生的，價值怎麼回到創造者身上，這些問題都會影響信任。\u003C\u002Fp>\u003Cblockquote>“The most important thing is not to automate the task, but to redesign the work,” said \u003Ca href=\"https:\u002F\u002Fwww.microsoft.com\u002Fen-us\u002Fresearch\u002Fpeople\u002F\" target=\"_blank\" rel=\"noopener\">Eric Horvitz\u003C\u002Fa>, Microsoft Chief Scientific Officer.\u003C\u002Fblockquote>\u003Cp>我覺得這句話很直白。很多\u003Ca href=\"\u002Fnews\u002Fjalapeno-turns-openai-into-chip-designer-zh\">公司\u003C\u002Fa>都只想把流程自動化。問題是，流程本身就爛，AI 只會把爛流程跑得更快。\u003C\u002Fp>\u003Cp>這次 CFP 的題目，大致可以拆成幾類：\u003C\u002Fp>\u003Cul>\u003Cli>協作場域與團隊互動設計\u003C\u002Fli>\u003Cli>行為科學與群體決策\u003C\u002Fli>\u003Cli>AI 主動性與介入策略\u003C\u002Fli>\u003Cli>新成員上手、離開、交接流程\u003C\u002Fli>\u003Cli>資料回饋與團隊信任機制\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>錢不多，但門檻不低\u003C\u002Fh2>\u003Cp>每案 5 萬到 7.5 萬美元，說多不多，說少也不算少。對大實驗室來說，這筆錢不夠養一整個計畫。對小型研究團隊，卻足夠做出一個明確原型或一輪實驗。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782415982107-1qvn.png\" alt=\"Microsoft 砸錢研究團隊協作 AI\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>提案規格也很硬。只有 1 頁，500 字上限，還要附參考文獻和預算。這代表 Microsoft 不想看長篇大論，只想看你有沒有方法、有沒有問題意識。\u003C\u002Fp>\u003Cp>時間表也很緊。4 月 28 日開放，5 月 25 日截止，6 月 15 日通知，6 月 24 日公告。這種節奏很像產品團隊，不像傳統慢吞吞的學術補助。\u003C\u002Fp>\u003Cul>\u003Cli>申請者必須是學術機構或非營利研究單位\u003C\u002Fli>\u003Cli>提案要符合學校對 unrestricted gifts 的規範\u003C\u002Fli>\u003Cli>超過金額上限，或資料不完整，會直接被刷掉\u003C\u002Fli>\u003Cli>Microsoft 可能公開入選提案的名稱與資訊\u003C\u002Fli>\u003C\u002Ful>\u003Cp>這套設計很現實。它不是在養長期大計畫，而是在找能快速產出證據的研究。你如果已經有團隊協作、HCI、組織研究的題目，這種 CFP 很對味。\u003C\u002Fp>\u003Cp>如果你是做產品的人，也該看一下。因為它透露出一件事：工作型 AI 的下一步，不是再做一個聊天框，而是進到團隊流程裡。\u003C\u002Fp>\u003Ch2>跟其他 workplace AI 題目比，這次更聚焦\u003C\u002Fh2>\u003Cp>很多廠商談 workplace AI，都喜歡講「提升效率」。但效率這詞太空。Microsoft 這次直接把比較基準寫出來，還是團隊層級的比較基準。\u003C\u002Fp>\u003Cp>這很重要。因為單人指標容易做，團隊指標很難做。你得看交付品質、協作成本、資訊重複率，甚至會議時間有沒有下降。\u003C\u002Fp>\u003Cp>如果拿現有\u003Ca href=\"\u002Fnews\u002Fpublic-sentry-keys-hijack-claude-code-cursor-zh\">工具\u003C\u002Fa>來比，\u003Ca href=\"https:\u002F\u002Fwww.microsoft.com\u002Fen-us\u002Fmicrosoft-copilot\" target=\"_blank\" rel=\"noopener\">Copilot\u003C\u002Fa> 比較像個人助理。\u003Ca href=\"https:\u002F\u002Fwww.openai.com\u002F\" target=\"_blank\" rel=\"noopener\">OpenAI\u003C\u002Fa> 和 \u003Ca href=\"https:\u002F\u002Fwww.anthropic.com\u002F\" target=\"_blank\" rel=\"noopener\">Claude\u003C\u002Fa> 也多半是個人工作流導向。Microsoft 這次想碰的是群體工作流。\u003C\u002Fp>\u003Cul>\u003Cli>個人 AI：寫作、摘要、程式碼、問答\u003C\u002Fli>\u003Cli>團隊 AI：分工、共識、會議、交接\u003C\u002Fli>\u003Cli>研究難度：團隊 AI 明顯更高\u003C\u002Fli>\u003Cli>商業價值：如果做成，會影響整個辦公軟體層\u003C\u002Fli>\u003C\u002Ful>\u003Cp>還有一個差別。個人 AI 很容易看 demo。團隊 AI 要看長期效果。今天會議順了，不代表下週也順。\u003C\u002Fp>\u003Cp>所以這種研究更像系統工程。你得處理資料、流程、心理、權限，還有人與人之間的微妙關係。這才是麻煩，也是價值所在。\u003C\u002Fp>\u003Ch2>這代表 AI 研究開始往組織層級走\u003C\u002Fh2>\u003Cp>這份 CFP 反映的，不只是 Microsoft 的興趣，也反映整個產業的卡點。單人助理已經很常見了。下一步，大家開始問：AI 能不能真的改善團隊運作？\u003C\u002Fp>\u003Cp>這個問題會逼研究者往組織層級看。你不能只看 \u003Ca href=\"\u002Ftag\u002Ftoken\">token\u003C\u002Fa> 效率。你得看資訊流、決策流、責任分配，還有誰在會議裡一直被打斷。\u003C\u002Fp>\u003Cp>對\u003Ca href=\"\u002Ftag\u002F台灣開發者\">台灣開發者\u003C\u002Fa>來說，這也有參考價值。很多公司現在都在導入 AI，但真正痛的地方不是寫 code，而是跨部門協作。會議、需求、交接、文件，才是大宗。\u003C\u002Fp>\u003Cp>如果這類研究做出可用方法，下一批產品很可能不再只是「幫你寫」。而是「幫你們一起做」。這差很多。\u003C\u002Fp>\u003Ch2>我會怎麼看這件事\u003C\u002Fh2>\u003Cp>我覺得這次 CFP 很像一個訊號。Microsoft 不想只做會講話的 AI。它想知道 AI 怎麼進到真實團隊，還不把事情搞爛。\u003C\u002Fp>\u003Cp>如果你在學校或研究單位，手上剛好有 collaboration、HCI、organizational behavior、multi-\u003Ca href=\"\u002Ftag\u002Fagent\">agent\u003C\u002Fa> workflow 這類題目，這案子值得投。5 月 25 日前，先把問題收斂到一頁內。\u003C\u002Fp>\u003Cp>如果你是產品人，也可以反過來想。你現在做的 \u003Ca href=\"\u002Ftag\u002Fai-工具\">AI 工具\u003C\u002Fa>，是幫一個人快一點，還是幫一群人少卡一點？這兩種答案，會決定產品長相完全不同。\u003C\u002Fp>","Microsoft Research 開出 2026 春季 CFP，研究 AI 怎麼幫團隊協作。每案約 5 萬到 7.5 萬美元，重點放在會議、分工、共識與群體生產力。","www.microsoft.com","https:\u002F\u002Fwww.microsoft.com\u002Fen-us\u002Fresearch\u002Facademic-program\u002Fai-and-the-new-future-of-work-cfp-spring-2026\u002F",null,"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782415981776-jikr.png","research","zh","2ae923b8-38e0-402a-937e-8e085f6a022d",[17,18,19,20,21,22,23,24],"Microsoft Research","AI 團隊協作","Spring 2026 CFP","工作型 AI","HCI","組織行為","Copilot","LLM",[26,27,28,29],"Microsoft 這次補助的重點，是 AI 如何改善團隊協作，不是只看個人效率。","每案約 5 萬到 7.5 萬美元，提案只有 1 頁、500 字上限，節奏很快。","研究題目涵蓋會議、交接、共識、注意力分配與資料回饋。","這份 CFP 透露出 workplace AI 正從個人助理，往團隊工作流移動。",0,"2026-06-25T19:32:33.155576+00:00","2026-06-25T19:32:33.146+00:00","0c35a120-52fc-41fc-afa3-d404eb934158",{"tags":35,"relatedLang":36,"relatedPosts":40},[],{"id":15,"slug":37,"title":38,"language":39},"microsoft-ai-team-collaboration-cfp-2026-en","Microsoft funds AI research on team collaboration","en",[41,47,53,59,65,71],{"id":42,"slug":43,"title":44,"cover_image":45,"image_url":45,"created_at":46,"category":13},"2cc1973d-a7a5-4031-8ed3-e05ca5d335fd","ai-papers-code-music-rare-disease-zh","3 篇 AI 論文：程式、音樂、罕病診斷","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782372792462-buxp.png","2026-06-25T07:32:27.274897+00:00",{"id":48,"slug":49,"title":50,"cover_image":51,"image_url":51,"created_at":52,"category":13},"f9ec6d6f-80a9-4a8e-b3ea-1eb5231aa796","new-nlp-papers-agent-memory-tool-use-zh","新 NLP 論文盯上代理記憶與工具使用","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782371888802-40t8.png","2026-06-25T07:17:39.070441+00:00",{"id":54,"slug":55,"title":56,"cover_image":57,"image_url":57,"created_at":58,"category":13},"a875d002-f6f0-4139-abc1-f1602bc42fee","self-distillation-shrinks-output-diversity-zh","自蒸餾會縮小模型多樣性","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782369171288-egwp.png","2026-06-25T06:32:26.557584+00:00",{"id":60,"slug":61,"title":62,"cover_image":63,"image_url":63,"created_at":64,"category":13},"80a6e921-dfde-4861-ba61-382e195ec94c","revengebench-reverse-engineering-game-policies-zh","RevengeBench：反推遊戲政策的測試框架","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782368284240-86sh.png","2026-06-25T06:17:29.011751+00:00",{"id":66,"slug":67,"title":68,"cover_image":69,"image_url":69,"created_at":70,"category":13},"978e67d0-1acb-479e-af06-9ead35e4eb74","learning-action-priors-cross-embodiment-manipulation-zh","先學動作先驗，再對齊多模態","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782367376604-ffk9.png","2026-06-25T06:02:29.669069+00:00",{"id":72,"slug":73,"title":74,"cover_image":75,"image_url":75,"created_at":76,"category":13},"4a0bbfe8-be40-4add-95c8-7ed1d38a641f","opsd-user-feedback-training-loop-zh","OPSD 讓你把點擊變訓練","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1782335103935-0efp.png","2026-06-24T21:04:40.411616+00:00",[78,83,88,93,98,103,108,113,118,123],{"id":79,"slug":80,"title":81,"created_at":82},"f18dbadb-8c59-4723-84a4-6ad22746c77a","deepmind-bets-on-continuous-learning-ai-2026-zh","DeepMind 押注 2026 連續學習 AI","2026-03-26T08:16:02.367355+00:00",{"id":84,"slug":85,"title":86,"created_at":87},"f4a106cb-02a6-4508-8f39-9720a0a93cee","ml-papers-of-the-week-github-research-desk-zh","每週 ML 論文清單，為何紅到 GitHub","2026-03-27T01:11:39.284175+00:00",{"id":89,"slug":90,"title":91,"created_at":92},"c4f807ca-4e5f-47f1-a48c-961cf3fc44dc","ai-ml-conferences-to-watch-in-2026-zh","2026 AI 研討會投稿時程整理","2026-03-27T01:51:53.874432+00:00",{"id":94,"slug":95,"title":96,"created_at":97},"cf046742-efb2-4753-aef9-caed5da5e32e","adaptive-block-scaled-data-types-zh","IF4：神經網路量化的聰明選擇","2026-03-31T06:00:36.990273+00:00",{"id":99,"slug":100,"title":101,"created_at":102},"53a0dc54-0371-4e40-8d5e-74e94a73840c","geometry-aware-similarity-metrics-for-neural-representations-zh","超越距離測量：用微分幾何重新理解神經網路","2026-03-31T06:01:01.241968+00:00",{"id":104,"slug":105,"title":106,"created_at":107},"fee7d472-a775-4b1d-bbc2-1e8bca1bbf8b","on-the-fly-repulsion-in-the-contextual-space-for-rich-divers-zh","讓AI繪圖更有創意：用排斥力提升生成多樣性","2026-03-31T06:01:25.439673+00:00",{"id":109,"slug":110,"title":111,"created_at":112},"a9901203-d69b-447b-8854-15d14eab32b4","vision-aided-beam-prediction-cnn-eca-zh","影像輔助波束預測升級 CNN","2026-04-01T10:00:25.8073+00:00",{"id":114,"slug":115,"title":116,"created_at":117},"b55e7dd4-0a24-4b3d-804d-b0309a03f498","triple-band-fss-mimo-antenna-sub-6-ghz-zh","三頻 FSS MIMO 天線瞄準 sub-6 GHz","2026-04-01T13:18:36.857305+00:00",{"id":119,"slug":120,"title":121,"created_at":122},"f68290bd-e7f3-4b30-ba22-dcd4e0130a66","openclaw-1299-repos-eight-weeks-analysis-zh","OpenClaw 1299 個 Repo 的資料解讀","2026-04-02T05:03:45.208411+00:00",{"id":124,"slug":125,"title":126,"created_at":127},"ed9f80eb-eb02-4d35-8ad4-0ddf428751dd","beam-coherence-aware-combining-mmwave-mimo-zh","毫米波 MIMO 的雙階合併法","2026-04-02T05:27:26.897188+00:00"]