微软研究院报告称，Fork-and-Flush 方法通过创建并行分支，保留工作区文件但丢弃聊天记录，帮助长时间运行的 AI 研究智能体找到更好的解决方案。在相同计算预算下对 13 项任务进行测试，该方法的最小—最大归一化平均得分为 0.78，而单次运行和 best-of-4 的得分分别为 0.47 和 0.54。
这项研究考察了会反复提出解决方案、评估方案并根据反馈加以改进的智能体。研究人员发现，即使定期压缩对话历史，累积的对话上下文仍可能让智能体不断回到相似的方法。Fork-and-Flush 让各分支保留保存在文件中的工作，同时从清空的对话历史开始。
AI 根据报道生成 · 5 天前更新
