微軟研究揭露先進 AI 模型處理長流程文件仍具內容劣化風險

企業正將大型語言模型導入 AI 代理與 RAG 系統，讓模型接手多輪文件編修；但這類委派工作仰賴模型保留原意與既有內容。微軟研究院因此建立 DELEGATE-52，涵蓋程式、會計、科學等 52 個專業領域，檢驗長流程可靠性。

微軟研究院於 2026 年 4 月發表論文，測試 6 個模型家族、共 19 款 LLM；經 20 次互動後，Gemini 3.1 Pro、Claude 4.6 Opus 與 GPT-5.4 等前沿模型平均劣化 25%，全體平均逾 50%。代理工具未改善結果，文件愈長或互動愈多，錯誤愈嚴重。