微软研究：清空对话历史可让AI智能体找到更优解
AI 总结
微软研究院一项研究提出，长时间运行的AI研究智能体会因累积的对话上下文而陷入“想法盆地”，局限在解法空间的某个小区域内。同一智能体在同一任务上的8次独立运行最终得分从68.3到100.0不等，且增加算力也无法消除差距。研究者提出的Fork-and-Flush方法让智能体分裂出K个并行分支，各分支保留工作区文件但清空全部对话上下文；在13项长时任务（含多联骨牌装箱、作业车间调度、密码分析、CIFAR分类器压缩等）上，其最小-最大归一化平均分为0.78，高于单次运行的0.47和best-of-4的0.54，相对提升分别为66.0%和44.4%，归一化标准差从0.26降至0.16；仅清空上下文而不分支也能带来约22%的改进。实验中智能体经GitHub Copilot CLI调用GPT-5.6-terra与GPT-5.5，单次运行耗时数小时至逾100小时。
深度见解
如果这一结论成立，未来的前沿研究智能体可能仍需定期重置上下文，而不是靠更大算力或更强模型自动摆脱搜索停滞。