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 的智能体搜索方法：让智能体分成 K 个并行分支，每个分支丢弃全部对话上下文但保留工作区，以跳出反复收敛到同一类方案的“idea basins”。 在相同算力预算下，该方法取得 min-max 归一化平均分 0.78，单次运行和 best-of-4 分别为 0.47 和 0.54；实验中的智能体通过 GitHub Copilot CLI 使用 GPT-5.6-terra 和 GPT-5.5，单次运行从数小时到超过 100 小时不等。研究还称，仅清空对话上下文而不分支也能将结果提升 22%。

AI 根据报道生成 · 49 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。