问小创
告诉我你的需求，我帮你从站内挑最合适的 AI 工具。
2026年3月31日，微软正式为Microsoft 365 Copilot的研究员工具模块上线全新Critique功能，首次实现OpenAI GPT与Anthropic Claude两大主流大模型跨生态协同工作，搭配独创的“理事会”多智能体校验机制，经DRACO测试验证，其复杂学术任务处理效果显著优于任意单一模型，可大幅降低AI生成内容的幻觉发生率。
对于每天要处理大量文献调研、数据汇总、初稿撰写的科研人员而言，AI生成内容的“幻觉问题”始终是悬在头顶的风险：看似逻辑通顺的段落里可能藏着虚构的参考文献、偏差的实验数据，事后核查往往要耗费数倍于生成的时间。微软此次推出的新功能，正是瞄准这一行业痛点给出的解法。
在全新的Critique功能工作流中，GPT凭借其成熟的长文本生成、多源信息整合能力，承担研究初稿的撰写工作，可快速完成文献梳理、实验结论汇总等基础任务；来自Anthropic的Claude则以“专业审稿人”的身份接入，按照对应领域的学术规范，对内容的事实准确性、逻辑严谨性、论据完整性进行逐行核查，标注出潜在的错误、遗漏以及不符合学术规范的表述。
这种“生成+校验”的双模型分工，恰好利用了两款大模型的各自优势：GPT的信息整合效率更高，而Claude对长文本的事实核查能力、规则遵循能力表现更突出，二者互补刚好覆盖了学术内容生产的核心需求。
除了基础的GPT生成、Claude审核的双向流程，微软还为这套系统配套了独创的“理事会”（Council）机制：多个物理隔绝的独立大模型会同步对同一任务进行处理，分别输出各自的研究结果，最终由专门训练的“裁判模型”对所有输出内容进行交叉比对、可信度评估，最终生成综合最优的终稿。这种模式本质上是模拟了人类学术研究中的同行评议流程，最大化规避单一模型的训练偏见与输出误差。
根据微软公布的DRACO基准测试数据，这套多智能体协作系统的复杂学术任务处理效果，显著优于目前任意一款单一SOTA大模型，AI幻觉发生率可降低60%以上，在生物医药、社科调研等对内容准确度要求极高的场景，表现提升尤为明显。
此前全球主流办公AI产品大多采用绑定单一厂商大模型的封闭架构，微软作为OpenAI的最大投资方，此次将直接竞品Anthropic的Claude模型整合进Microsoft 365 Copilot的核心功能，本身也释放了明确的行业信号：未来办公AI的核心竞争力不再是绑定某一款“最强模型”，而是能否根据不同场景的需求，整合不同特长的大模型能力，为用户提供最优解。
目前Microsoft 365 Copilot全球月活跃企业用户已经超过1亿，此次功能更新预计将直接影响数百万科研相关用户的工作流。据微软透露，后续Critique功能还将开放自定义模型接入接口，允许企业用户根据自身需求接入专业领域大模型，进一步适配垂直科研场景的高要求。
本文基于公开信息分析整理，仅供参考。更多AI工具动态与行业解读，请持续关注本站更新。
滇公网安备 53252802528133号