微軟 Discovery Engine 以適應性代理流程執行科研任務

背景

Microsoft Discovery 是微軟為研發（R&D，研究與開發）組織打造的代理式 AI 平台。官方文件稱 Discovery Engine 是平台的「認知骨幹」。使用者描述目標後，引擎會自行拆解工作，委派給專門的代理（agent，能自主執行特定類型工作的 AI 系統），並監看進度、回報結果。整個過程以小時和天計，不是一問一答。Azure AI Blog 指出，許多科學與工程難題沒有明確流程或已知答案，只靠單一模型回應並不足夠。 官方原文・learn.microsoft.com Azure AI Blog

發生什麼事

微軟在 2026 年 6 月 2 日發布官方文件，說明 Discovery Engine 由兩個元件組成。一是 cognition（認知，引擎運作期間持續進行的推理流程，負責決定下一步並挑選代理與工具），二是 tasks（任務，使用者定義要引擎執行之工作的單位）。 官方原文・learn.microsoft.com

Azure AI Blog 在 2026 年 9 月 8 日發文，公布 Agent's Last Exam（評測長時間、需使用工具之專業任務的測試）的結果。Microsoft Discovery Engine 搭配 CLIO（Cognitive Loop via In-Situ Optimization，讓多條獨立推理路徑探索問題，再彙整成單一有證據支持結果的方法），在三個科學領域的分數都高於其他受評的代理執行框架（harness，把模型與工具串接運作的外層系統）：健康與醫學 61.6%、物理科學 75.2%、生命科學 64.6%。文章也提到，這套組合已支援一項發現新型有機氧化還原液流電池的研究。 Azure AI Blog

重點內容

cognition 啟動後會持續循環以下步驟：檢視共享工作階段（shared session，集中存放任務與結果、供使用者與引擎共同檢視的空間）中的任務狀態，依相依關係找出可開始的任務，並挑選合適的代理執行與監看。完成的工作會依使用者訂的成功標準驗證；發現缺口時，cognition 會建立新任務，也會把使用者留下的筆記納入規劃。工具回傳非預期結果時，它會重新考慮做法；多次失敗後，則把任務交給使用者檢視。 官方原文・learn.microsoft.com

每項任務包含標題與說明、驗證要求、相依關係、狀態與結果。官方建議至少要有標題、說明和一項驗證要求；缺少驗證要求時，任務可能未經有意義的品質檢查就通過，或反覆重跑。啟動引擎前，工作區必須有聊天模型部署，新專案的預設模型為 gpt-5-4（model: gpt-5.4）。引擎用這個模型做任務驗證，沒有部署就無法啟動。 官方原文・learn.microsoft.com

cognition 會自動調度平台資源，包括代理、Tools（在超級電腦上執行運算與資料處理的容器化程式，容器化指把程式連同執行環境一起打包），以及 Bookshelf（由使用者文件與科學文獻建成的知識庫）。協作模式分為完全委派、結構化委派與平行作業三種。Azure AI Blog 另外說明，CLIO 能判斷何時繼續探索、改變策略、改用其他模型，或請領域專家加入。 官方原文・learn.microsoft.com Azure AI Blog

對使用者的意義

官方文件說，這個引擎適合下列類型的問題：多步驟且彼此相依、方向開放、需耗時數小時到數天，並要協調多種工具與知識領域。文件舉的例子是：找出治療某疾病的既有藥物，探索蛋白質結合親和力更高、預估免疫反應更低的變體，再為候選物規劃逆合成（從目標分子往回推出合成步驟）路徑。如果是答案已知的單一問題、需要立即回應，或想逐步掌控的工作，則較適合直接與代理對話。使用方式是在共享工作階段建立任務並啟動引擎，之後每隔幾小時回來檢視，補充筆記或調整驗證要求。Azure AI Blog 認為，同樣做法也可用在晶片設計模擬、配方與製程優化、材料與分子探索，以及實驗室自動化。 官方原文・learn.microsoft.com Azure AI Blog

限制與未定事項

Discovery Engine 必須先部署 gpt-5.4 聊天模型才能啟動。官方文件提醒，任務太廣或太窄都不適合；引擎採非同步協作，不是設計給使用者即時互動監看的。Azure AI Blog 公布的測試分數只涵蓋健康與醫學、物理科學、生命科學三個領域，作者也表示這段發展「仍在早期」。 官方原文・learn.microsoft.com Azure AI Blog