当前位置: 首页 > news >正文

微软上线 Deep Research 预览版:o3+必应赋能研究自动化

今日凌晨,微软在其官网正式宣布,Azure AI Foundry 上线 Deep Research 公开预览版。这一产品作为支持 API 和 SDK 的 OpenAI 高级智能体研究能力产品,与 Azure 的企业级智能体平台实现了完全集成。

Deep Research 并非新品首次亮相,它是 OpenAI 于今年 4 月 25 日发布的最新力作。其具备强大的能力,能够如同人类分析师一般,对复杂任务进行逐步拆解,进而在全球互联网上开展多轮信息搜索与验证工作,最终实现复杂研究任务的自动化,并生成透明、可审计的研究报告。

在科研和学术研究领域,提升效率一直是智能体的重要应用方向。传统制作精品科研报告的方式,不仅耗费大量人力,还极其耗时。研究者需先明确研究主题的核心问题,再围绕问题拆解出多个子方向,接着逐一筛选合适的数据库、学术平台或搜索引擎,手动输入关键词进行检索。在此过程中,海量信息扑面而来,可能出现上百篇相关文献、新闻报道或行业数据,研究者还需耗费精力辨别信息的时效性与权威性,剔除过时、片面甚至错误的内容。仅仅是完成基础资料的搜集与初步筛选,就可能占据整个研究周期的三分之一以上。

而 Deep Research 的出现改变了这一局面。它通过必应搜索与 GPT 系列模型的深度协同,将上述繁琐流程全面自动化。从接收研究需求开始,智能体便能自主拆解问题、明确研究范围,随后调用必应等搜索引擎精准抓取全网最新、最权威的信息,人工只需审核最终结果即可。

值得一提的是,Deep Research 的应用场景并不局限于学术研究。它还能自动生成超复杂的金融、医疗报告,也能高效搜集各种大量互联网数据。

Deep Research 架构与主要功能揭秘

从架构和智能体流程来看,Deep Research 采用了 OpenAI 目前最强的 o3 模型。当用户或应用程序提交研究查询时,智能体会运用 o3 或 GPT - 4.1 等其他模型来澄清问题、收集额外上下文,并精确确定研究任务的范围,以此确保智能体的输出具有相关性和可操作性,且每次搜索都针对业务场景进行了优化。

确定任务后,智能体安全调用必应搜索基础工具,收集精选的高质量、最新网络数据,保证研究模型基于权威、最新的来源,避免因陈旧或无关内容产生幻觉。

随后,o3 模型开始执行研究任务。与简单的总结不同,它会进行思考、分析和综合所有发现的来源信息,逐步推理,在遇到新见解时及时调整,最终形成一个全面的答案,且能敏锐捕捉数据中的细微差别、模糊之处和新兴模式。

最终,Deep Research 会输出一份结构化报告。这份报告不仅包含答案,还记录了模型的推理路径、来源引用以及会话期间提出的任何澄清请求,使得每个答案都完全可审计,这对于受监管行业和高风险用例而言至关重要。

为进一步增强 Deep Research 的能力,微软还为其集成了一系列超强功能。

自动化网络规模的研究功能,借助基于 Bing 搜索的顶级研究模型,使每个洞察都可追溯且有来源支持。例如,企业市场部门可利用该功能自动获取行业最新动态,精准定位竞争对手信息。

以编程方式构建智能体功能,让 Deep Research 可被应用、工作流或其他智能体调用,转变为可重复使用的自动化服务。比如,开发一个智能体定期从特定新闻网站抓取信息,生成行业分析报告。

协调复杂工作流功能,可将深度研究智能体与逻辑应用、Azure 函数和其他 Foundry 智能体服务连接器组合,实现自动化报告、通知等操作。

安全可靠方面,借助 Azure AI Foundry 的安全性、合规性和可观测性,确保用户对研究的运行和使用拥有完全的控制和透明度。

目前,微软已开放 Deep Research 的 API,开发者能够将其强大的自动化能力集成到自己的应用中。例如,可将 Deep Research 作为多智能体链的一部分来触发:一个智能体执行深度 Web 分析,另一个智能体使用 Azure Functions 生成幻灯片,第三个智能体使用 Azure Logic Apps 将结果通过电子邮件发送给领导者。

领驭科技作为微软中国南区核心合作伙伴及HKCSP 1T首批授权云服务商,正积极整合Azure OpenAI的强大功能,将先进的人工智能技术融入产品和行业解决方案中,进一步提升企业办公效率和竞争力。

http://www.dtcms.com/a/269845.html

相关文章:

  • css 面试题
  • 从零构建MCP服务器:FastMCP实战指南
  • 跨平台软件构建方法及工具介绍
  • 深度学习-多分类
  • Java 实现 Excel 文件对比与数据填充
  • 多线程(1)
  • Minmax 算法与 Alpha-Beta 剪枝小教学
  • (普及−)B3629 吃冰棍——二分/模拟
  • 【Spring WebSocket详解】Spring WebSocket从入门到实战
  • Spring Boot 事务失效问题:同一个 Service 类中方法调用导致事务失效的原因及解决方案
  • MATLAB/Simulink电机控制仿真代做 同步异步永磁直驱磁阻双馈无刷
  • CD46.【C++ Dev】list的模拟实现(1)
  • 一天一道Sql题(day02)
  • SSH密钥 与 Ed25519密钥 是什么关系
  • 服务器的RAID存储方案如何选择最合适?
  • 20250708-2-Kubernetes 集群部署、配置和验证-使用kubeadm快速部署一个K8s集群_笔记
  • 兰顿蚂蚁路径lua测试
  • 无缝高清矩阵与画面分割器的区别
  • OpenWebUI(5)源码学习-后端socket通信模块
  • Apache DolphinScheduler保姆级实操指南:云原生任务调度实战
  • iOS打包流程
  • navicat导出数据库的表结构
  • 鸿蒙分布式开发实战指南:让设备协同像操作本地一样简单
  • 深度 |以数字技术赋能服务消费场景创新
  • kafka如何让消息均匀的写入到每个partition
  • Spring Boot 多数据源切换:AbstractRoutingDataSource
  • Elasticsearch Kibana 使用 原理
  • 用基础模型构建应用(第七章)AI Engineering: Building Applications with Foundation Models学习笔记
  • Linux基础篇、第五章_01利用 Cobbler 实现 CentOS 7 与 Rocky 9.5 自动化安装全攻略
  • 记录一次在 centos 虚拟机 中 安装 Java环境