📖 AI 总结

微软研究院的一项研究发现，长时间运行的AI研究智能体即便投入更多算力，也可能陷入性能停滞。原因是累积的对话上下文会限制其搜索范围，使智能体反复在同一类解决方案中打转。研究显示，同一智能体在相同任务上的八次独立运行，最终得分从68.3到100.0不等，差距并未因增加算力而缩小。研究者将这种局限区域称为“想法盆地”。为此，他们提出“Fork-and-Flush”方法：让智能体分裂出多个并行分支，每个分支清空对话历史但保留工作区中的代码与文件，从而恢复搜索多样性。在13项长时任务测试中，该方法在同等算力下将归一化平均得分提升了66%。这一发现表明，适时清空对话记忆有助于AI智能体跳出思维定式，找到更优解。