微软提出 Fork-and-Flush 方法以清理对话上下文

微软研究团队发现，长时间运行的 AI 研究智能体会因累积的对话上下文困在相似的思路洼地中，即便追加算力也难以跳出、难以探索更优解。该团队随后提出 Fork-and-Flush 方法：通过并行分支并重置聊天上下文，同时保留工作区文件，让智能体在长任务中获得更优表现。在 13 个长任务上的测试中，该方法把 min-max 归一化平均分从单次运行的 0.47 提升至 0.78，相对增益达 66.0%。该方法也由此被作为缓解对话上下文累积负面影响的一种手段提出。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。