微软研究提出Fork-and-Flush智能体方法

微软研究院提出一种名为 Fork-and-Flush 的长时研究智能体方法，试图解决智能体长时间运行后即便增加算力也陷入性能瓶颈的问题。研究者将这种反复在相似解区域内优化的局限称为“idea basins”，并称同一任务八次独立运行的最终得分从 68.3 到 100.0 不等。 该方法结合两种机制：分支（Fork）与清空对话历史（Flush）。微软称，在相同算力预算下，Fork-and-Flush 的 min-max 归一化平均得分为 0.78，单次运行为 0.47，best-of-4 为 0.54；在 13 项任务中的 12 项取得最高平均分。研究还称，仅清空对话上下文而不做分支，也能将结果提升 22%。

AI 根据报道生成 · 21 天前更新