微软研究院 10 月 5 日挂上 arXiv 的论文《Fork-and-Flush: Escaping Idea Basins in Autoresearch Agents》发现，自动研究型智能体聊得越久越容易陷入“思维盆地”：同一个智能体在同一任务上独立跑八次，最终分数从 68.3 到 100.0，中位数 81.9，追加算力也难以补齐差距。作者提出的 Fork-and-Flush 让智能体分叉成多个并行分支，各自继承完整工作区（代码、文件、实验结果）但清空聊天记录，跑一段固定时间后保留最高分分支继续，其余解散。在 13 个长周期任务上，同等算力预算下归一化平均分从单跑的 0.47、四选一的 0.54 提升到 0.78，标准差由 0.26 降到 0.16；消融实验显示只清空记录约提升 22%，分叉与清空结合效果最好。论文还以 Qwen3.5 的 4B、9B、27B 三个尺寸在 MAX-3-SAT 上验证，运行间差异呈倒 U 型曲线，峰值出现在模型能力边缘、达成度约 0.5 处，提示问题不会随模型变强而自动消失。

Microsoft Research·arXiv·GitHub Copilot·+3